Idea2Paper如何选对写作Pattern？三维评分与Story生成链路详解

Idea2Paper 是一个将研究 Idea 自动转化为完整论文故事（Story）的端到端科研 Agent 框架。它的核心难点之一，是如何从几十上百个写作 Pattern（论文写作模式）中选对最适合你 Idea 的那一个。本文将带你完整看懂 Idea2Paper 的 Pattern 选择机制：三路召回如何找到候选 Pattern，三维评分（稳健度、新颖度、跨域度）如何为它们打分排序，以及后续 Story 生成、多智能体评审与迭代修正的完整链路。

什么是 Pattern？为什么写论文要先"选模式"

Pattern 是从顶会论文中聚类抽象出来的可复用写作模式。例如"NLP 顶会 348 篇论文 → 34 个 Pattern"，每个 Pattern 都包含：

• 模式总结：该类论文的技术路线与写作特点
• 骨架示例：2-3 篇代表性论文的结构框架
• 高频技巧（tricks）：按出现频率排序的研究技巧
• 使用建议：针对性的写作指导

这些内容沉淀在 patterns_structured.json（结构化数据）和 patterns_guide.txt（人读指南）中。选对 Pattern，就相当于给你的 Idea 找到了一条已被顶会论文验证过的方法论模板——这是 Story 质量的起点。

三路召回：候选 Pattern 是怎么被找到的

选之前先"找"。Idea2Paper 的 recall_system.py 基于知识图谱做了三路召回：

相似度计算采用两阶段策略：先用 Jaccard 快速粗筛出 Top-100 候选（提速），再用 Embedding 向量精确排序。三路结果加权融合后，最终产出Top-10 候选 Pattern，交给下一环节的评分器。

三维评分：LLM 如何给 Pattern 打分

这是整个 Pattern 选择的核心，实现在 pattern_selector.py 中。对召回的 Top-20 Pattern，系统逐一调用 LLM，输出三个 0-1 的独立维度得分：

打分 Prompt 有两个精心设计的细节：

1. 锚定校准：提供 3 个带分数示例（如"Attention 应用类 → 稳健 0.85 / 新颖 0.15"），防止 LLM 打分漂移；
2. 反"中庸"约束：明确要求分数拉开分布，禁止所有 Pattern 都落在 0.4-0.6 区间。

若 LLM 调用失败，系统会退回到基于聚类规模的规则打分：Pattern 覆盖论文数 >100 → 稳健度 0.85 / 新颖度 0.25；<20 篇 → 稳健度 0.30 / 新颖度 0.80（小众方向通常更新颖）。

评分完成后，所有 Pattern 会生成三张榜单：稳健度降序、新颖度降序、跨域度升序（距离近优先）。

从榜单到 Story 生成：初始生成链路

编排逻辑在 manager.py：

1. 初始 Pattern 选择：默认取稳健度榜单第一名——先用成熟模式保证下限；新颖度榜单则留作后续"救场"储备。
2. 初始 Story 生成：StoryGenerator 把用户 Idea + Pattern 的方案思路（Solution Approaches）+ 叙事包装策略（Story Packaging）拼进 Prompt，让 LLM 输出一份结构化 Story，包含title、abstract、problem_framing、gap_pattern、solution、method_skeleton、innovation_claims、experiments_plan八个字段。

Prompt 中特别强调"用户 Idea 是主角、技术只是实现手段"，标题和摘要必须围绕你的核心概念展开。

迭代修正：评审反馈、Idea Fusion 与 Pattern 切换

生成不等于结束，随后进入"生成 → 评审 → 修正"的闭环：

• 多智能体评审：MultiAgentCritic 派出三位评审（Methodology / Novelty / Storyteller），基于真实论文的锚定分数做相对比较，产出可审计的 1-10 分与字段级修改建议；
• 概念级融合：若评审指出"创新性不足"，IdeaFusionEngine 会提取用户 Idea 与新颖度榜单中的下一个 Pattern的"DNA"（问题定义、核心假设、创新点），在概念层面融合出全新的 novelty claim，而非简单技术堆叠；
• 退化回滚：若某轮修正后问题维度分数下降，系统自动回滚 Story、标记该 Pattern 失败、换下一个重试；
• 新颖性模式：连续两轮新颖度分数停滞时，系统进入 novelty mode，依次遍历新颖度榜单的多个 Pattern 生成候选，取最高分版本。

评审通过或达到最大迭代次数后，进入 RAG 查重与 Novelty 检查；检测到"撞车"时触发 Pivot 策略——切换到新颖度/跨域度榜单的 Pattern 重新生成。

快速上手：运行命令与关键配置

配置好LLM_API_KEY（.env）后，一条命令即可跑通全链路：

python Paper-KG-Pipeline/scripts/idea2story_pipeline.py "your research idea"

运行结果输出到：

• 最终 Story：final_story.json
• 完整过程追踪（含每轮评审、Pattern 切换记录）：pipeline_result.json

两个实用配置：

• 每个阶段的 LLM 温度可通过I2P_LLM_TEMPERATURE_*环境变量单独调节（评分阶段建议低温保稳定，生成阶段可适度调高）；
• 可选开启 Idea Packaging（I2P_IDEA_PACKAGING_ENABLE=1）对输入 Idea 做 Pattern 引导的改写，进一步提升下游质量。

关键文件索引

一句话总结：Idea2Paper 选 Pattern 不是"取召回分数最高者"，而是"三路召回圈定候选 → LLM 三维打分生成三张榜单 → 稳健度起步 + 新颖度救场 + 退化回滚"的动态策略——这正是它能把模糊 Idea 稳定转化为结构完整论文 Story 的关键所在。