Research Tracker 是一款专为自主 AI 研究项目设计的命令行工具，旨在帮助研究人员高效管理复杂的研究流程。它通过 SQLite 数据库实现项目的全生命周期追踪，采用追加式日志记录机制确保状态变更的不可篡改性。该工具的核心理念是将研究过程结构化、可监控化，使研究人员能够清晰掌握每个智能体的工作进度与决策路径。无论是个人研究者还是团队协作，都可以借助 Research Tracker 实现对多任务并行研究的统一调度与精细管控。 工具支持创建具有明确目标的研究项目，并通过指令队列向运行中的研究代理发送实时指令。研究人员可以随时检查项目状态、查看最新事件日志或截取上下文信息用于提示工程。特别值得一提的是，系统内置了心跳检测与注意力提醒机制，当项目出现阻塞、收到紧急指令或长时间无响应时，会自动标记为‘需要关注’，极大提升了远程监控的效率。此外，所有操作均通过简洁明了的 CLI 命令完成，便于集成到自动化脚本或 CI/CD 流程中。 Research Tracker 的设计充分考虑了真实科研场景中的不确定性——研究过程中常会遇到信息缺失、方向调整或外部依赖等问题。为此，工具提供了丰富的状态事件类型（如 STEP_BEGIN、BLOCKED、AUDIT_DRIFT 等），允许代理主动上报当前困境并请求干预。同时，审计功能支持事后复盘分析，判断研究路径是否偏离预期目标。这种灵活而严谨的状态管理体系，使得长期、迭代式的探索性研究也能保持高度的可追溯性与可控性。
核心功能特点
- 基于 SQLite 的追加式日志系统，保障研究状态变更的完整性与不可逆性
- 支持多项目并行管理，提供项目列表、详情展示及归档功能
- 内置心跳监测与注意力提醒机制，自动识别阻塞、超时或需干预的项目
- 通过指令队列实现人机交互，支持发送优先级指令（如 URGENT）并确认处理结果
- 提供完整的事件类型体系（STEP_BEGIN/COMPLETE/BLOCKED/AUDIT_*等），细化研究过程记录
- 命令行接口简洁高效，易于集成到自动化工作流或外部代理调用
适用场景
Research Tracker 特别适合需要长期运行、高度自主的研究型项目。例如，在开展竞品分析、市场趋势预测或技术可行性验证时，研究人员往往部署多个智能体并行执行不同子任务。此时，借助 Research Tracker 可以统一监控各代理的进展，及时发现因数据获取失败、逻辑推理错误等原因导致的阻塞情况，并通过发送针对性指令引导其回归正轨。这种模式尤其适用于资源有限但任务复杂度高的场景。 另一个典型应用场景是实验性 AI 开发。当训练模型、调试算法或探索新架构时，研究过程充满试错与回溯。Research Tracker 的审计功能（AUDIT_PASS/AUDIT_DRIFT）能帮助团队快速定位哪些分支取得了突破，哪些偏离了方向，从而优化后续实验策略。结合心跳机制，即使无人值守，也能保证关键进程不会因意外中断而丢失成果。 对于团队协作环境，该工具同样表现出色。项目负责人可通过 `research list –json` 批量检查所有活跃项目的健康状态，利用 `needs_attention` 字段筛选出亟待处理的异常项；成员间则可通过指令系统无缝传递任务变更或补充要求，避免传统邮件沟通带来的延迟与混乱。最终，当项目结题时，完整的日志链为成果验收与知识沉淀提供了坚实依据。