知识记录与上下文
一条记录表达了什么、出现于什么语境、关联了哪些概念？Peel 保留这些区别。立方体让你看到：相似的文字处于不同的路径，其含义也可能不同。
赋予知识结构。
为推理划定边界。
Peel 系统由知识、推理、语言表达与执行环境共同构成。各层职责清晰，才能在检查结论时找到依据，在证据不足时看清缺口。
从记录，到可检查的回答。
这里展示系统各部分承担的职责，以及已完成数据的结构。
01
记录
保留陈述及其上下文。
02
关系
为连接赋予明确的类型与方向。
03
推理
沿允许的路径回答与解释。
04
表达
把有依据的结果呈现给人。
让每一层承担清晰的责任。
类型化关系
“属于”“需要”和“相关”具有不同含义。命名关系让系统能够区分这些连接；一个相关性链接本身并不构成因果证据。
Lois 符号核心
查询已有知识、解释关系路径、在已编码的约束范围内检查冲突。其能力取决于图中已有的内容和规则。
语言与工具环境
语言模型可以辅助表达，Perslis 可以连接工具。架构要求生成的文字和执行的动作受到证据边界的约束；完整科学工作流仍需验证。
连接一条关系，
也要保留它成立的条件。
在研究中，“观察到某种变化”必须与研究对象、条件和方法一起理解。用于科学领域的知识结构需要保留这些限定，才能判断两项研究是否真的一致。
从架构走向领域验证
Peel 的公开数据展示对话结构。把这些原则应用于生命科学，需要领域词汇、证据标准和专家评估。我们将这一扩展明确作为研究方向。
让推理靠近研究者。
公开原型的符号查询可在本地离线运行。相关的小型模型也面向设备端部署。对于研究团队，这带来一种值得验证的可能：保留一个明确的知识快照，在没有远程推理服务的情况下检查它能支持的回答。
一个系统，两类公开成果
对话数据集展示知识与上下文的结构；TinkyBrain 展示相关的设备端语言模型工作。符号核心与语言模型承担不同职责。科研环境中的隐私、访问控制与可靠性仍需独立评估。
结果可以复现。
来源仍需要被质疑。
在相同图谱、规则与查询条件下，符号推理可以产生一致的结果。但一致不等于正确：错误来源、不完整数据或不恰当的关系都可能影响结论。科学价值来自可检查的依据，以及纠正依据的能力。
符号地板，在工作。
一段简短、未剪辑录屏：负责撰写事实的类型化层——在证据缺失时返回 unknown。录制于研究原型。
符号地板
负责撰写事实的类型化层；证据缺失时返回 unknown。
继续探索Lois