钠电推进到AI4S，专家能力之前先修订总则吧

上一篇文章讨论了 AI4S 的一般前提：模型可以生成候选，但研究问题、判别标准和验证过程不能交给语言生成本身。这几天的推进让我意识到，在进入具体案例以前，还要先回答钠电研究为什需要额外的科研规范，这篇文章则是我尝试给出的答案，也供其他参与者参考。

一、先作一个思维转变：最终的架构需要广泛但不能鸡肋

我所创设的这套架构首先要处理的是所有钠电研究都会遇到的特殊问题。电网与AIDC的结合只是第一组实践场景，用来检验专家能力能否基于“议题主导—专家协作—随做随验”完成优质的 AI4S 研究

因此，电网案例这个子议题的价值在于它要把地区、气候、能源资源、基础设施、负荷和专家判断组织成一条可验证的研究链。若这条链条成立，它还可以迁移到其他钠电问题；若不成立，单独得到一个看似合理的电网方案也没有方法论价值。

而另一方面，基于对workbuddy等软件的掌握基础上，相信包括评委在内的每一位赛事参与者都慢慢开始发现，重复造轮子几乎是AI4S领域无法避免的问题。想想也是，有思路的人那么多，凭什么我是提出观点且做出突破的那个。

因此这场比赛的主战场已经移交到避免鸡肋上了，别用七天做个demo然后发现别人不仅做的更早而且做的更好，浪费所有人的时间。

我的目标也有所更改，我最终想要的内容现在是”一个可上传github的工程，能随时下载到本地，并且迅速让具备生产力的ai（比如目前市面上流行的codex，Claude，zcode这种能端侧控制电脑的程序，以下AI的表述都统一指这类端侧执行产品）明白在钠电领域开展AI4S要做什么“。

自然地，我意识到了额外规范的重要性。

二、钠电研究为什么需要额外规范

钠电面对的是一个单纯的材料性能问题吗？实则它同时受到元素属性、锂电参照系、产业规模、资料分布和公众认知的影响。对人类研究者来说，这些因素容易混在一句“钠电不如锂电”里；对LLM来说，语料中的高频叙事还会被当成默认先验。

所以每一个重要判断都要重新追问：

这是钠电本身的物理或化学约束，还是人类观念、市场结构、资料分布造成的研究方向？

这个问题大多数时候不会推翻原判断，但只要它在某个节点上生效，这个万分之一的可能性就必然暴露一个被集体忽略的研究机会，它应当成为所有钠电研究的执行规范。

1. 历史观念伪装成物理定律

钠元素长期被描述为能量密度较低、利用率不理想、只能作为低价替代品。这里其实混合了元素属性、早期技术路线、制造水平、商业化速度和投资偏好。

对AI4S的影响是，模型可能在提出假设以前就缩小钠电的搜索空间，把“目前商业化较慢”写成“技术上不适合”。被检索次数最多的观点，未必是最接近物理事实的观点。

执行时必须把未经人类甚至是已经经过人类判断的课题划分出类别：物理/化学事实、工程成熟度、市场事实、制度条件和人类价值判断。即使不出现“不适合”“没有前景”等强结论，也要进行反事实检查。

检查也没那么难，只要把钠替换为锂、拉平制造规模与资本成本，观察结论是否仍然成立就行，一个再简单不过的主观对照。

2. 钠电不是把锂电换成钠

钠离子半径、工作电位、正负极材料、电解液和低温行为形成了不同的化学问题，钠电有自己的性能瓶颈，也有自己的适用场景，用一组锂电经验覆盖全部路线不负责也不靠谱。

如果 AI 只把锂电文献中的指标、机理和失效模式迁移过来，它会产生一种表面上很专业的类比错误，大概率术语是对的，比较条件却不对，而AI手头哪有实验室，没法自己实验一下出结论。

因此每个钠电节点必须写明技术路线、测试温度、倍率、荷电状态、循环条件和指标单位，并把电芯、模组、电池包、储能站和微电网分开。任何“综合性能”都要能还原成多个指标，不能用一个分数隐藏取舍。

3. 数据少、条件杂，不等于钠电性能差

钠电公开数据相对分散，长期运行数据、统一测试和产品谱系也不完全成熟。不同路线、厂商和实验室的测试条件可能不同，数据量不足与性能不佳不是同一件事。

这会直接影响AI4S，因为模型可能用锂电资料填补钠电空缺，把不同温度、倍率和容量口径拼成一个虚假的平均值，也可能把“没有测量”解释成“测量后很差”。

也好解决，所有证据都要进入账本，带上来源、版本、日期、条件、质量等级和缺失字段。研究状态要区分“没有数据”“尚未测量”和“测量后不支持”。证据不足时，结论只能停留在“证据不足”，不能靠语言的确定性补齐。

4. 钠电的价值取决于系统边界

“钠电是否有价值”没有脱离应用场景的单一答案，这个可是有点要命的。电芯能量密度可能是电动车的关键约束，却未必是固定式储能、备用电源或微电网的唯一约束，后者还要看备用时长、负荷曲线、低温、安全、维护、并网和资源风险。

如果AI只优化材料论文中容易比较的单点指标，它会忽略系统层的组合价值，也无法解释为什么同一条路线在不同地区和负荷下得到不同结论，所以执行时先写清楚边界，再允许模型比较方案：研究对象是电芯、电池包、储能站还是微电网；时间尺度是秒级控制、典型日还是项目寿命；目标是成本、可靠性、弃电、碳排还是关键负荷保障。电网案例的作用，正是检验这条多尺度链能否成立。

5. 市场落后不等于技术不可行

锂电拥有矿产、设备、标准、人才、融资和下游规模。钠电面对的部分困难来自这套既有系统的路径依赖，而不完全来自元素本身。反过来，钠资源丰富也不自动意味着加工、质量控制、回收和系统集成已经便宜。

AI 若把市场份额、融资额或当前报价当作技术可行性的代理变量，就会把物理、工程、经济和制度问题混成一个结论。

研究架构要把这些层次分开，并增加“制造规模、供应链成熟度和资本成本相同”的比较场景，这样才能知道一个优势究竟来自钠电的机制，还是来自外部条件变化。

6. 地区不同，适用性就可能不同

钠电与风光、AIDC或其他负荷结合时，结果受气候、低温、太阳辐照、风况、电价、电网可靠性、土地和并网规则共同影响。所谓“适合”，必须带着地区和任务来谈。

AI的常见错误是给出一个全球平均答案，再把它复制到不同地区。对AIDC来说，能量总量够用也不代表关键负荷在故障时能被保障；对地理学来说，地区差异更不是一个最后再加上的参数。

因此地理专家要参与问题定义，而不只是提供一份气象数据。研究节点要记录地区、空间尺度、气候数据版本、负荷类型和并网边界，并对场景迁移重新计算，不能复制文字结论。

7. 专家分歧、价值选择和安全边界必须保留

材料、电化学、电力系统、地理、运维和投资专家可能因为时间尺度、边界和风险偏好不同而得出不同判断。分歧有时意味着假设没有对齐，而不是谁的答案更像权威。

“更有韧性”也不是自然给定的目标，它可能意味着停电时间更短、关键负荷保障更强、成本波动更小、资源依赖更低或社区能源更公平。AI 如果看不到目标权重，就会悄悄替研究者选择一种价值观。

此外，储能站和关键负荷还涉及热安全、消防、并网保护、孤岛运行、运输和回收。安全要求不能和效率、成本简单加权，必须作为硬约束设置独立验证门。涉及高风险实验、控制策略、并网参数和外部发布时，最终判断必须经过人类复核。

三、这些特殊问题如何变成统一规范

从现在开始，所有钠电研究节点都默认执行以下规则：

规范	留痕
先验拆分	判断来自物理、化学、工程、市场、制度还是人类观念
化学对照	技术路线、测试条件、单位，以及与锂电或其他体系的可比基线
反事实审查	更换元素、拉平制造条件、改变系统边界或迁移地区后的结果
证据账本	来源、版本、日期、范围、缺失字段、支持与反驳证据
系统边界	电芯—电池包—储能站—微电网之间的推导关系
失败登记	负面结果、未复现实验、异常、失效条件和证据不足
人类闸门	研究者能否解释问题、假设、基线、失败条件和判断变化

每个节点只允许使用有限的结论状态：

待验证 → 正在验证 → 获得支持
                  ├→ 部分支持
                  ├→ 被反驳
                  ├→ 证据不足
                  └→ 适用范围受限

“获得支持”只表示在明确范围内通过了当前验证，不等于钠电的一般规律。范围、数据或目标变化后，必须重新验证。

四、从观点文章到可执行工程

上次发表以来，我的工作已经推进到一个可下载的本地工程，它目前有五个基本部分：

AGENTS.md 规定端侧AI每次行动前后必须做什么；
docs/architecture.md 将议题主导、专家协作和随做随验写成问题树、证据图和状态机；
research-node.schema.json 把先验审查、反事实测试、证据和失败条件设为研究节点字段；
logs/ 和 docs/decision-log.md 记录做过什么、为什么做以及判断如何改变；
示例节点和本地检查器保证研究状态可以被另一台电脑上的端侧AI接续。

工程的第一项成果是一种可恢复的研究过程，当前示例节点仍然是“待验证”，本次只完成了研究边界的校正。

五、展望——电网案例将如何检验地理专家能力

接下来，钠电与风光协同的 AIDC 微电网会作为第一组案例。它要检验的是地理专家能否把空间、气候、能源资源、基础设施和负荷差异转化为可验证的研究变量，再由 AI 执行检索、建模、比较和审计。

一个合格的案例必须能回答：

为什么选择这个地区和负荷，而不是另一个地区和负荷？
哪些判断来自地理和能源机制，哪些只是资料中的常见叙事？
钠电的特定性质在哪个系统指标上真正改变了方案排序？
如果换成锂电、换成另一个气候或改变备用时长，结论是否仍然成立？
失败时，是假设、数据、模型、专家规则还是目标函数出了问题？

这一步暂时不急着选择路线和参数，先把规范写清楚，才能让后续案例真正检验方法（类似于不烧心？哈哈）。