Get Physics Done (GPD)

在科研领域，通用大语言模型往往难以应对物理学研究中严苛的符号一致性、复杂的数值验证以及长周期的逻辑推导。Get Physics Done (GPD) 是一款专为物理学家打造的开源 AI 研究助手，旨在解决那些手动提示词无法可靠处理的“硬骨头”问题。

GPD 不仅仅是一个聊天机器人，它是一个结构化的研究工作流引擎。它通过引入严格验证机制、结构化研究记忆和多智能体协作，将碎片化的 AI 对话转化为可追溯、可复现的科研产出。

核心定位：攻克高难度科研任务

GPD 专为以下场景设计：

• 复杂数值研究：处理多步骤的数值模拟与数据分析。
• 严格验证需求：自动检查量纲一致性、极限情况、对称性约束及守恒定律。
• 长期项目管理：维护结构化的研究记忆，跨越数周甚至数月的课题周期。
• 学术写作与评审：辅助手稿撰写、公式推导及同行评审意见回复。

四大阶段工作流：从灵感到验证的闭环

GPD 将研究过程标准化为四个严谨的阶段，确保每一步都有据可依：

1. 规划 (Plan)
   AI 主动提出针对性问题，帮助研究者明确范围、假设、符号定义及验证目标，避免方向性错误。
2. 路线图 (Roadmap)
   生成分阶段的执行计划，明确具体任务、依赖关系及成功标准，输出 ROADMAP.md。
3. 执行 (Execute)
   调度专用智能体并行工作：进行符号推导、运行数值检查、检索文献或撰写草稿。产出包括 .tex 推导文件、.py 验证脚本及图表。
4. 验证 (Verify)
   这是 GPD 的灵魂所在。系统自动执行多维度的物理一致性检查（如量纲分析、极限测试），确保结论的物理可靠性。

在此过程中，GPD 会锁定多达 18 个物理学领域 的约定（如符号习惯、单位制），确保跨阶段、跨文件的逻辑一致性。

兼容主流 AI 运行时：无缝集成现有工具

GPD 不强制用户切换平台，而是作为插件无缝集成到四大主流 AI 命令行运行时中：

安装极简：只需一行命令即可完成部署。

npx -y get-physics-done

安装后，用户可在系统终端直接启动对应的运行时（如 claude），并通过特定前缀命令（如 /gpd:new-project）激活 GPD 工作流。

快速上手指南

场景一：开启全新研究项目

1. 打开终端，启动运行时（例如 claude）。
2. 输入 /gpd:new-project（根据运行时不同前缀略有差异）。
3. 跟随 AI 引导完成规划、路线图制定及执行。

场景二：接手现有研究文件夹

1. 先运行 map-research 命令。
2. GPD 会自动扫描现有代码库和文档，映射形式体系、计算逻辑、约定及开放问题。
3. 基于映射结果，继续执行 new-project 流程。

场景三：配置偏好
使用 settings 命令调整工作流开关、层级模型选择及特定研究领域的偏好设置。

技术特色：透明与可控

• 文件驱动：所有状态、记忆和配置均以 Markdown 或 JSON 文件形式保存在项目目录中（如 PROJECT.md, STATE.md），研究者可随时查阅和修改。
• 多智能体协作：内部调度多个专用智能体分别负责推导、编码、文献检索等不同任务，模拟真实科研团队分工。
• 开源社区驱动：项目完全开源，欢迎物理学家通过 GitHub Issues 或 PR 贡献领域知识、优化验证逻辑。