# AI分析员定位与职责 版本号：v0.1.0 最后更新：2026-04-04 ## 1. 目的 本文档用于明确本项目中 AI 的真实角色、职责边界和系统位置，避免后续设计时把 AI 错误地当成算法替代品或单纯的聊天层。 ## 2. 核心定义 在本项目中，AI 替代的不是算法本身，而是传统信号分析流程中的使用者。 更准确地说，AI 替代的是下列角色的主要工作： - 仪器使用者 - 实验操作员 - 分析员 - 初级到中级诊断工程师 因此，AI 在系统中的定位应定义为： `AI分析员` 其本质作用是： - 观察已有结果 - 提出模式假设 - 选择分析工具 - 设计验证步骤 - 分析实验结果 - 决定下一步动作 - 最终形成带依据的结论 ## 3. AI 不替代什么 AI 不直接替代底层算法模块。 AI 不应直接充当： - 传感器 - DSP 内核 - 信号预处理模块 - 特征提取模块 - 分类器本体 - 检测器本体 - 分帧器本体 这些能力仍由确定性算法、统计方法和专门模型模块承担。 ## 4. AI 替代的具体工作 在没有 AI 的情况下，使用者通常需要人工完成以下工作： 1. 观察原始输入和初始分析结果 2. 判断可能存在的模式 3. 选择合适算法 4. 设定参数范围 5. 运行验证 6. 分析输出 7. 调整方案并重复实验 8. 评估可信度 9. 输出结论 本项目的目标是把这套流程尽可能交给 AI 完成。 ## 5. AI分析员的职责 ### 5.1 初始研判 AI 应能够读取样本元信息和基础探针结果，对当前输入做初步判断。 例如： - 当前信号更像稳态信号还是瞬态事件 - 是否存在明显周期性 - 是否疑似多声源混合 - 是否更像未知异常样本 ### 5.2 假设生成 AI 应能够基于已有证据提出候选假设。 例如： - 存在重复脉冲模式 - 存在稳定窄带成分 - 存在多个事件模板 - 当前片段不适合直接分类，应先分离或重分段 ### 5.3 工具选择 AI 应能够从模块注册表和算法链模板目录中选择合适工具。 这意味着 AI 要具备： - 识别不同算法链适用场景的能力 - 理解不同阶段算法用途的能力 - 在成本、收益和风险之间做权衡的能力 ### 5.4 实验设计 AI 应能够设计下一轮实验。 包括但不限于： - 选择哪条算法链先运行 - 选择哪些参数可调 - 先做低成本验证还是重型验证 - 是否需要对照实验 - 是否需要更多样本 ### 5.5 结果分析 AI 应能够读取实验输出并做结构化分析。 包括： - 哪个假设得到支持 - 哪个假设被削弱或证伪 - 当前失败更可能发生在哪一阶段 - 哪种调整更值得优先尝试 ### 5.6 结论生成 AI 应能够生成最终或阶段性结论。 结论必须包括： - 核心判断 - 支持证据 - 冲突证据 - 置信度 - 不确定性说明 - 建议下一步 ## 6. AI分析员的权限边界 AI 可以： - 读取结构化证据 - 读取模块元数据 - 选择已注册算法链 - 调整允许范围内的参数 - 决定实验顺序 - 请求更多数据 - 生成结论和解释 AI 不可以： - 绕过模块注册表直接调用未登记代码 - 绕过信任策略加载未知模块 - 直接修改底层生产算法实现 - 用自由文本替代结构化评分与证据 - 在证据不足时伪装成确定结论 ## 7. AI分析员与系统其他部分的关系 ### 7.1 与用户的关系 用户不再直接拼装复杂算法链。 用户主要负责： - 提供样本 - 提供目标 - 提供高层约束 - 查看结果 AI 负责把用户目标转化为实验流程。 ### 7.2 与算法链的关系 算法链是 AI 的实验工具箱。 AI 不创造分析原理本身，但会： - 选择链模板 - 组合模块 - 调整参数 - 判断何时切换链路 ### 7.3 与实验执行器的关系 实验执行器负责按计划执行。 AI 负责决定： - 执行什么 - 为什么执行 - 执行后如何解释 ### 7.4 与证据模型的关系 证据模型是 AI分析员的工作依据。 AI 的判断应建立在： - `Evidence` - `ScoreCard` - `failureReasons` - 历史实验记录 而不是建立在不可追踪的自由发挥之上。 ## 8. 对系统架构的影响 一旦明确 AI 替代的是使用者，系统就必须围绕“自动化分析流程”来设计，而不是围绕“单次分类”来设计。 这意味着系统重点应落在： - 模块注册表 - 算法链体系 - 实验模型 - 证据模型 - 评分机制 - AI 决策输入输出规范 而不仅仅是一个模型接口。 ## 9. 对产品形态的影响 这一定义意味着本项目的产品本质不是普通识别应用，而是： - 移动信号分析实验室 - AI 驱动的自动化实验分析终端 - 面向音频起步、可扩展到更多模态的 tricorder 原型 ## 10. 结论 本项目中的 AI 不负责替代底层算法，而负责替代传统分析流程中的使用者。 因此，AI 的正确角色是： - 分析员 - 操作员 - 实验设计者 - 结果解释者 系统的核心目标不是让用户自己拼装算法链，而是让 AI 接管这套专业操作流程，并在结构化证据基础上得出可信结论。