一、RAG：检索增强生成

RAG 将检索结果作为上下文，输入生成模型。检索来源包括：论文、专利、报告、数据库。检索方式包括：关键词、向量、混合。

检索需要排序和过滤。排序考虑相关性、时效性、权威性。过滤去除重复和低质量内容。检索结果需要引用来源。

生成需要控制幻觉。模型基于检索结果回答，不编造。无检索结果时，模型应说明。生成需要标注引用，便于验证。

二、工具调用：扩展能力

工具调用让助手执行具体任务。工具包括：计算、数据分析、绘图、查询。工具需要定义接口：输入、输出、错误。

模型根据请求选择工具，生成参数。工具执行后返回结果，模型整合回复。工具失败需要重试或告知。

工具需要管理。工具注册、发现、版本、权限。工具需要测试，确保正确。

三、智能体：规划与执行

智能体自主规划任务。任务分解为子任务，逐步执行。规划使用模型或模板。执行管理状态和上下文。

智能体需要处理异常。子任务失败需要重试或回退。智能体需要从失败中恢复。智能体需要学习，优化策略。

四、科研场景适配

科研场景需要准确性、专业性、可复现。适配方式包括：领域微调、提示优化、知识库定制、工具集成。

领域微调让模型学习领域知识。提示优化引导模型按规范回答。知识库定制提供领域资料。工具集成支持领域计算。

五、安全与合规

安全覆盖数据、模型、应用。数据需要加密和访问控制。模型需要防止滥用。应用需要审计。

合规需要遵守科研伦理和数据法规。涉及人类受试者的研究需要审查。生成内容需要标注来源。

六、评估与迭代

评估需要多维度：准确性、完整性、可读性、引用质量。评估使用人工和自动。人工由专家评分，自动用模型或规则。

迭代需要收集反馈和使用数据。反馈帮助发现问题，使用数据帮助优化。迭代需要平衡速度和质量。

结语

科研 AI 助手需要 RAG、工具调用、智能体配合。RAG 提供知识，工具提供能力，智能体提供自主。三者结合，让助手真正帮助科研工作。