会读文献
她读论文,并亮出来源。每一条事实都直接链回其出处 — 没有无出处的内容。
认识 Lois · 你的 AI 实验室搭档
认识 Lois。
认识 Lois。
你的实验室搭档。
Lois 像一位从不休息、也从不乱猜的细心博士后,与你并肩工作。她读论文、拉数据、记录你的想法、替你跑腿。而最重要的一点是:当她不确定时,她会如实告诉你。她交给你的东西,没有一样是编造的。
Perslis Research 的研究原型。她在你的硬件上运行,能碰什么由你决定。
问她点什么。
看她把答案落到证据上 — 或坦承她做不到。
这是 Lois 的研究运行时,实时运行。什么都可以问:一个基因、一种药物、一种疾病,或者某件事是怎么运作的。她会在你眼前到真实来源里查找(UniProt, PDB, AlphaFold, ClinVar, Ensembl, PubChem, ChEMBL, Reactome, KEGG, InterPro, Europe PMC, OpenAlex, arXiv, Wikipedia),然后只依据查到的内容作答。每一句有引用的话都链接到它的凭证;证据不支持的内容会被标为未核验,而不是加以粉饰。
对话
你好 — 我是 Lois。什么都可以问。我会到真实的数据库和研究文献里实时查找,边查边把来源展示给你,并为每一条事实附上凭证。如果证据不足,我会直接告诉你。
托管的语言模型负责规划查询并组织语言,但它从来不是事实的来源:每句话都会与它引用的记录核对,没有凭证的句子会被标为未核验。这个公共控制台会把你的问题发送给该托管模型,请勿粘贴机密内容。实验室安装版改用本地模型运行。
Lois 能做的一切,
集于一位搭档。
不是硬塞进流程里的聊天机器人 — 而是一位会替你完成那些吞噬时间的研究琐事、并且始终亮出凭证的搭档。
会拉数据
结构、序列、变异、化学、通路 — 从全球数据库汇集到一处,让你不再来回切标签页。
从不编造
当证据不存在时,她会说「我不知道」,而不是给一个自信的猜测。这份诚实正是关键所在。
追踪你的假设
她会在查看之前先写下她的预期 — 这样她无法悄悄移动标杆,你也无法。
接入你的实验室
你的仪器、LIMS、记录本与数据集 — 汇入她真正能推理的同一控制台。
替你跑腿
整理文件、准备数据、运行分析、启动长任务 — 完成后再回来向你汇报。
在你睡觉时工作
把任务交给她,回来时结果已就绪。她会独立完成,并把她做过的每一步展示给你。
会记住
她在数天与多次会话之间保持连贯,在你此前工作的基础上继续,而非每次从零开始。
始终归你
在你自己的硬件上运行。除非你决定发送,否则你的数据不出本地。
让你掌控
你授予、并可随时收回的按需访问 — 在她触碰你的系统之前,还有一次安静的评审。
说你的语言
支持英语、中文与日本語 — 而事实本身(登录号、ID、序列)保持通用。
亮出她的过程
每个答案都附带其背后的轨迹 — 来源、路径、检查 — 让你能够追随,而不只是相信。
她宁可说「我不知道」,
也不用一个猜测来取悦你。
Lois 不只是听起来自信 — 她会亮出她的过程。每个答案都附带其证据;在记录沉默之处,她交给你一个诚实的空白,而非一个听起来合理的臆造。对研究而言,一个诚实的「未知」往往是你能得到的最有用的答案:它告诉你下一个实验该往哪里走。
为那些
承受不起错误答案的人而建。
她所做的一切你都看得见。她按你的条件、分阶段挣得访问权,并在工作结束时归还。她扎根于一个知识底座,只放行能追溯到来源的内容 — 于是你需要信任的是证据,而不是她的语气。
日常使用是什么感觉
你提出一个真实的问题。她带回一个答案、它的来源,以及关于仍不确定之处的诚实说明。你查看轨迹、提出质疑,她随之更新。这不像在给工具下提示,更像在与一位同事共事 — 他替你做繁琐的部分,并让你们双方都保持诚实。
她如何在没有权重的情况下作答。
询问她已收录的蛋白质，事实会从她的地板上返回，每一条都锚定到来源。问她没有证据的内容，她会直接说明。
依据记录作答
公开演示中的符号检索——整个过程没有任何模型参与。
继续探索她如何推理