Project Context
项目背景与核心问题
高校科研过程中，大量实验信息长期分散在 Word、Excel、纸质实验本、仪器截图、实验照片及即时通讯记录中。一次实验结束后，研究者往往仍需投入大量时间重新整理参数、步骤与结果；当项目进入复现或人员交接阶段，关键条件遗漏、历史记录难以检索、失败经验无法沉淀等问题又进一步放大。
LabNote Agent 正是从这一真实科研场景出发，探索 AI 在科研数据治理与实验复现中的应用。
复现困难
知识难沉淀
Solution Logic
LabNote Agent 如何解决问题
项目面向高校课题组、科研训练团队及实验教学场景，通过多模态 AI 解析和多 Agent 协同工作流，对分散的实验材料进行统一接入与智能处理。
系统能够从文档、表格、图片、仪器截图及语音记录中识别实验信息，并围绕实验目的、样品、设备、参数、步骤、环境、结果与异常等科研字段完成结构化整理。
在此基础上，LabNote Agent 进一步对实验记录进行完整性校验，识别关键参数缺失与潜在风险，并根据历史实验信息自动生成复现 Checklist。
实验数据持续沉淀至团队知识库后，系统可通过 RAG 检索真实历史记录，为科研人员提供具有来源依据的实验问答与参数追溯支持。
- 多模态接入
- AI 结构化治理
- 完整性校验
- 实验复现
- 知识沉淀
Innovation Position
产品创新位置
我们不是再做一个电子实验本。
与传统电子实验本侧重“记录和存储”不同，LabNote Agent 更关注实验数据在后续科研流程中的持续使用价值。
项目希望将一次性的实验记录转化为可治理、可追溯、可复现、可交接的科研数据资产，降低科研团队在资料整理、实验复现和知识传承中的重复成本。
传统方式
记录
存储
文件沉积
LabNote Agent
采集
治理
复现
追溯
知识沉淀
AI 原生科研数据治理与实验复现
User Validation
真实用户验证
目前，项目已完成 52 份有效用户问卷及多位科研用户深度访谈，调研覆盖生物、材料、计算机、电子信息、传感器等研究方向。
在真实用户反馈基础上，团队不断调整产品定位，并从最初的实验记录整理工具逐步形成科研数据治理与实验复现 AI Agent。
匿名用户访谈摘录
“一个实验整理下来要40分钟。”
“找一个参数经常翻半天文件。”
“AI回答如果没有来源，我不敢完全相信。”
Current Progress
当前项目进展
当前阶段
MVP 验证阶段
团队已完成核心产品 Demo 和主要功能流程设计，初步形成“多模态接入—AI结构化治理—完整性校验—实验复现—知识沉淀”的产品闭环。
当前重点包括：
Recognition
项目荣誉
首届 OPC 创新大赛木兰培育计划入选项目
“新锐木兰奖”获奖项目
Future Direction
未来方向
未来，团队将继续围绕高校科研团队、实验课程及课题组场景推进产品验证，完善学科实验 Schema、团队知识库与数据安全能力，并探索学院级部署及科研数据治理合作。
让科研经验不再随着一次实验结束或一名成员离开而消失。
Co-creation
合作与共创
我们期待与高校课题组、实验教学中心、科研平台及 AI 技术合作伙伴开展场景试点与产品共创。
合作方向
- 高校科研团队试点
- 课题组 / 实验室产品共创
- 实验课程与教学中心合作
- AI 技术与科研数据治理合作
- 产业资源与商业化合作