AI 很流畅，
但没有根基。

语言模型写出自信的答案，却可能是错的 —— 而且说不清它为什么这么说。在科研、临床，以及面向弱势群体的工具中，一个漂亮的猜测就是隐患。更大的模型和外挂检索只让猜测更顺滑，并没有让根基变真。

让符号
来书写事实。

Peel 倒转了惯常的架构。类型化符号存储是事实的唯一作者。神经模型被降为两件事 —— 提议（必须通过符号提取）与呈现（不能添加内容）。幻觉从结构上被阻止，而非靠统计。

一个控制台。
每个答案都有出处。

• Peel —— 类型化知识图谱，每个事实都带着它的来源。
• Lois —— 推理核心，给出「有据 / 冲突 / 未知」三种结果。
• Perslis 运行时 —— 44 件来源钉定的研究工具，汇于一个控制台，用自然语言驱动。

把你的实验室接好，
不需要特殊设备。

一个控制台连接实验室已在使用的系统 —— 19 个公共科学服务（PubMed、UniProt、AlphaFold、ClinVar、KEGG 等）、一台计算台，以及对接 LIMS、电子实验记录本与仪器 API 的 WetHands 实验室自动化。我们连接那些本不该相连的仪器，无需推倒重来。

一道
谁都绕不过的契约。

• 来源契约 —— 说不出来源的结果，在构造层面即被拒绝。
• 可断网 —— 实验记录是本地文件，拔掉网线照样工作。
• 从裸机到湿实验台 —— 直达裸机的纯 C++ 与湿实验通道同处一个控制台。
• 符号准入层 —— 而不是能被话术绕过的、训练出来的护栏。

你的研究，
永不离开你的电脑。

• 默认本地模型。Ollama 在你自己的机器上完成推理 —— 为回答一个问题，不会向任何云端模型发送提示、文件或图谱。
• 绝不用你的数据训练。没有任何东西离开你的设备去训练任何模型，永远不会。你的研究不是别人的训练集。
• 外部模型需主动选用。想在某个任务上用托管模型？可从众多供应商中选择 —— 只在你决定时、按你的意愿。默认关闭，始终由你做主。
• 记录归你所有。图谱、账本、记事本与文件都在你的磁盘上，拔掉网线照样工作。

应用已至，
信任才是瓶颈。

AI 进入受监管、高风险工作的速度，快过它在那里被信任的速度。智能体工具如今会「行动」，而不只是聊天 —— 于是访问必须被治理，答案必须可核查。本地部署与断网需求是真实的。根基是每个人都会撞上的那道门 —— 而 Peel 生来就是这道门。

科研，
正运行在这类工具上。

• 生物信息学与研究工具 —— 每天泡在这些数据库里的团队。
• 辅助与 AAC —— Peel 的起点：为弱势用户提供上下文与可信表达。
• 受监管与企业研究 —— 药企、临床与政府，来源可溯不可妥协。

先落一个试点，
再扩展到整个实验室。

我们与研究伙伴围绕一个有边界的问题、一个明确的成功定义共建试点实验室。试点转化为按服务器、按席位的授权；企业则本地部署。集成与支持让关系持续加深。窄处切入，横向扩展。

从原型
到企业。

为可被信任的
科研运行时投资。

我们筹资以把运行时产品化，用于本地与企业部署；与研究伙伴对照专家参考进行验证；并建立市场进入。愿景：一个每个结论都带着证据的研究环境 —— 没有任何答案能跑在可被证明的东西之前。