FutureHouse Platform：面向科研检索与综述的专业代理平台
FutureHouse 提供的科研 AI 代理平台，通过网页和 API 支持文献检索、综述与实验规划辅助。
FutureHouse Platform agentic-workflows document-processing AI-agents FutureHouse 提供的科研 AI 代理平台，通过网页和 API 支持文献检索、综述与实验规划辅助。
1. 项目定位
FutureHouse Platform 是为科学研究任务设计的代理服务，并提供网页界面和 API。它把大规模文献与专业数据库检索封装为可直接提问的工作流，目标是缓解科研人员查找与综合资料的负担。[S1]
2. 核心能力
首发平台包含四种分工不同的代理：Crow 回答一般科研问题，Falcon 执行深度文献综述，Owl 判断某项工作是否已有先例，Phoenix 辅助规划化学实验。不同代理对应不同检索深度和工具范围。[S1]
3. 技术与交付形态
用户可通过网页直接使用，也可通过 API 接入现有研究流程。FutureHouse 官方工具页把 Platform 与 PaperQA2 等研究工具并列，说明其定位是科研发现入口，而非通用聊天或替代实验执行的自主系统。[S1][S2]
4. 适用场景
它适合课题立项前的先例调查、跨领域文献摸底、研究问题拆分和综述草稿准备。对于要求完整可重复检索式的系统综述，可把代理用于候选文献发现，但最终纳排标准和证据表仍应由研究团队掌握。
5. 部署路径
个人试用可先从网页提出边界明确的问题；团队接入则应先确定代理类型、输入模板、API 调用预算和输出保存位置。正式纳入流程前，用一组已有答案的研究问题比较召回文献、引用可达性与结论一致性。
6. 数据与证据
科研输出的价值取决于来源链。验收时应逐条打开引用，核对题名、作者、年份与结论是否一致，并区分论文原文、数据库记录和代理概括。未被引用直接支持的推断不能进入实验决策或公开稿件。
7. 主要风险
专业代理仍可能漏掉新论文、混淆相似实体、过度概括研究限制，或把相关性当成因果性。化学实验规划还涉及安全与合规，Phoenix 的建议只能作为信息辅助，不能替代受训人员和机构审批。
8. 评估方法
建立覆盖本机构学科的金标准问题集，分别统计关键论文召回率、无效引用率、答案可追溯率和专家修订时间。API 场景还要记录响应失败、重复结果和单任务成本，避免只凭语言流畅度判断质量。
同一问题应由不同研究者独立复核，并保存检索日期、输入和返回引用，才能判断结果变化来自资料更新还是系统波动。对阴性结论尤其要检查是否只是未检索到证据。
9. 采用建议
最稳妥的切入点是低风险、耗时长、结果可人工复核的文献任务。若团队没有统一的引用管理、数据分级与复核责任人，应先补齐这些基础，再考虑把 API 串入自动化研究管线。
10. 来源与更新时间
本文截至 2026-08-07。代理名称、访问条件和 API 能力可能更新，实际使用前应核对官方平台页面。