让 LLM 做科研数据分析，但不让它编数字： ResearchOps Agent 让模型负责规划，让确定性工具负责数据质量、方法选择、统计计算与可视化，并把每条结论绑定到可复核 evidence 与人工审批边界。
30 秒演示结果：输入脱敏 CSV、研究问题和显式研究设计，输出带样本流、效应量、置信区间、证据 ID 与限制说明的聚合分析。
模型看不到真实文件路径，也不能自由执行 Python、SQL 或 shell；它只能调用允许的逻辑工具，统计数值由本地确定性实现产生并进入审计链。
这是一个 research prototype / portfolio project，不是临床决策工具，也不是已经通过生产验证的产品。
示例问题：在 240 行完全模拟的随机对照试验中，治疗组与对照组的随访收缩压是否不同？考虑基线收缩压后，结论是否仍成立？
| 方法 | treatment − control | 95% CI | p 值 | 分析样本 | Evidence ID |
|---|---|---|---|---|---|
| ANCOVA，基线校正、HC3 | -5.6069 mmHg | [-7.9351, -3.2787] | 3.82e-6 | 212 | E-7C87BB6C88EB |
| Welch，未校正敏感性分析 | -6.7887 mmHg | [-10.8425, -2.7349] | 0.001134 | 212 | E-B93CD9DC7751 |
负值表示治疗组随访收缩压更低；只有研究方案预定义 beneficial_direction=lower 时，报告才允许使用“获益”措辞。
**专业边界：**研究请求的是 ITT 人群，但 28 个随访结局缺失后，当前实现实际分析 212 个 available cases。因此系统会明确记录
requested_population=intention_to_treat、realized_population=available_case，并拒绝把该结果描述成完整 ITT 分析。
可复核产物：analysis bundle · 聚合图表
Windows PowerShell，三行运行无网络、无 API Key 的完整离线演示：
python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -r requirements.lock
powershell -ExecutionPolicy Bypass -File .\scripts\portfolio_demo.ps1演示会重建固定 50 题确定性评测、验证 50 条事件哈希链、检查敏感信息 canary，并把结果写入一个新的 artifact 目录。它不会运行在线 Provider，也不会覆盖已有产物。
flowchart LR
I["研究问题 + 脱敏 CSV + 显式设计"]
A["Agent 规划层"]
R["逻辑资源注册表"]
Q["数据质量与方法选择"]
S["确定性统计工具"]
E["证据包 + 聚合图表 + 报告"]
P["中央风险策略"]
H["人工审批"]
X["受控执行器"]
L["SQLite 审计 + SHA-256 链"]
V["Phase 5 / Phase 6 评测器"]
I --> R --> Q --> S --> E
R --> A
A -->|"仅逻辑 ID"| P
P -->|"只读允许"| X
P -->|"受控写入"| H --> X
X --> Q
X --> E
X --> L
H --> L
Q --> V
S --> V
E --> V
A --> V
关键边界：
- 研究设计必须显式输入；系统不从列名猜随机化、因果、配对或协变量时序。
- 方法建议与执行绑定数据 SHA-256；输入变化时安全停止。
- 报告 claim 必须匹配本次工具生成的
evidence_id + metric_path + displayed_value + direction。 - 未知工具、未知风险、越权资源和未批准写入默认拒绝。
详细设计见 ARCHITECTURE.md。
当前在线/离线验证、失败分母、Provider 历史、candidate commitments 与严格声明边界见 STATUS.md。