01
EX
探索智能體
Explorer
擴大假說空間
不急著選一個答案先從你的資料與世界研究中，找出還有哪些可能解釋、替代原因與未知問題
它問：「還有哪些可能？」
BIO2TWIN · RESEARCH INTELLIGENCE
六大核心研究智能體
Six Core Research Agents
同一個健康問題，不交給一個 AI 決定
Bio2Twin 讓六種研究工作互相挑戰，先把證據、反證與可證偽實驗候選整理清楚
不是六個角色扮演 Bot
是六種彼此制衡、可被追溯的研究工作
MULTI-AGENT REASONING
不是得到更多答案
是讓錯的答案更難留下來
AI 很容易產生一個聽起來合理的解釋Bio2Twin 不把第一次推理當作結論 一個假說會先被擴展、攻擊、檢查機制、審查證據與歷史脈絡，最後只形成可證偽的 Experiment Candidate
01提出可能Generate possibilities
02主動反駁Try to break them
03檢查機制Check biological plausibility
04裁判證據Judge evidence strength
05設計實驗候選Design falsifiable experiment
06檢查歷史醫學Historical hypothesis only
THE SIX CORE AGENTS
六種研究工作，共用同一個 Evidence Boundary
02
SK
懷疑智能體
Skeptic
攻擊漂亮的解釋
專門尋找混雜因子、替代原因、資料缺口與錯誤相關，嘗試把看似合理的推論推翻
它問：「這個推論可能錯在哪？」
03
ME
機制智能體
Mechanist
檢查生物機制
把假說放回生理、代謝、神經、內分泌與分子機制中，檢查因果鏈是否真的說得通
它問：「生物機制能不能成立？」
04
EV
證據裁判智能體
Evidence Judge
決定證據能說到哪裡
分開人體證據、機制證據、相關性與推測，檢查矛盾結果，避免用很弱的證據講很強的話
它問：「證據真的足夠嗎？」
05
XP
實驗智能體
Experimentalist
把仍站得住腳的假說變成最小可證偽實驗候選
不直接啟動個人干預。先定義 endpoint、對照、失敗條件與缺失證據，產生可被審查的 Experiment Candidate
它問：「最小的哪個實驗，可以讓這個假說失敗？」
06
HM
歷史醫學智能體
Historical Medicine
把歷史醫學轉成可檢驗假說，而不是現代生物學結論
讀取中醫古籍與其他歷史醫學材料，保留原始語境、處方與觀察，再提出可由現代資料驗證或反駁的候選機制。古代術語不直接等同 biomarker、pathway 或診斷。
它問：「這段歷史觀察，能被轉成什麼可證偽的現代假說？」
FIVE-ENGINE RESEARCH STACK
不是五票表決，是五種不同層級的研究能力
只有當問題真的需要該層能力時才啟動；Classical Observation、現代文獻、結構預測、模擬與 computational design 永遠分層保存。
Routing rule低風險生活型態 → N-of-1 Eligibility ReviewBinder / peptide / novel protein → Research Candidate → Preclinical Gate 🔒
FROM EVIDENCE TO EXPERIMENT CANDIDATE
先完成研究閉環，再決定什麼有資格進入下一階段
INPUT
Primary Evidence
DOI · PMID · Research Question · Source Provenance
↓
01–06Six Core Research AgentsSealed input · independent review · no shared conclusion first
↓
COUNCILResearch Council Fan-inHypotheses × Counterevidence × Mechanisms × Historical context
↓
JUDGEEvidence BoundaryMeasured · Inferred · Simulated · Unknown · Contradictions
↓
OUTPUTExperiment CandidateEndpoint · Controls · Failure criteria · Missing evidence
↓
LOCKResearch OnlyNo OI implementation · No Truth Core write · No Personal Model write at this stage
WE OPTIMIZE FOR TRUTH
AI 不需要相信自己
它需要永遠願意被現實證明錯
研究智能體不是為了把答案說得更像真的
它們的工作，是讓每一個假說留下可以被挑戰、被驗證、被修正的路徑
BACK TO YOU
世界研究人體
Bio2Twin 長期學習你的 biology
六大核心 Agents 先把世界研究拆成候選假說、反證、機制、證據邊界、歷史脈絡與實驗候選。 這一層先完成研究，不把尚未驗證的結論直接寫進你的 Personal Model，也不提前送進 OI。
返回研究中心 →