我们提出 Research Math Agents (RMA)，一个面向研究级数学问题自动化推理的智能体框架。与以往聚焦于竞赛数学或形式化定理证明的研究不同，RMA 针对需要长程推理、文献溯源与迭代证明精炼的研究级数学问题。RMA 将研究级证明求解分解为若干专门模块：问题分析、文献检索与理解、公平比较、知识库构建以及证明验证，所有模块通过初始化器、提议器和验证器智能体经由共享结构化记忆统一协调。在这一统一框架内，各智能体以多角色、多轮次工作流协同运作，通过迭代反馈不断生成、精炼和验证候选证明。我们在 First Proof 基准上对 RMA 进行评估，该基准包含十位来自不同领域的数学专家贡献的十道研究级问题。经专家全面评估，RMA 在 First Proof 基准上超越了包括 GPT-5.2R 和 Aletheia 在内的强基线，解决了十道问题中的八道，并产出了逻辑更严谨、可读性更强的证明。全面的消融研究进一步表明，性能提升源于结构化推理模块、迭代精炼与验证器反馈的协同作用，而非单一组件。

ResearchMathAgent/
├── problems/             # 基准问题陈述（q1..q10 .tex 文件）
├── skills/               # 求解器使用的数学研究技能指令
├── final_solutions/      # 已发布/参考证明——不作为求解器输入
├── outputs/              # 求解器输出目录（写入目标，位于共享存储）
├── rma/                  # CLI 工具：parse / propose / verify / refine / solve
├── webapp/               # 实时 Web 应用（FastAPI + 原生 JS）
│   └── README.md         # Web 应用详细说明
├── documents/            # 自主工作器生成的每日报告
├── config/default.yaml   # 项目路径与执行层级预设
└── main.tex              # 论文源文件

• problems/ → final_solutions/ 的边界在代码层面强制执行；求解器绝不读取历史解答。
• outputs/（指向共享存储的符号链接）是所有 rma solve 运行的写入目标。
• 剩余工程路线图见 TODO.md。

流水线为：

parse → propose → verify → refine

每个阶段均可单独运行，后续阶段会自动初始化缺失的前置产物。

rma parse q6
rma propose q6
rma verify q6
rma refine q6

指定实验名称和模型：

rma parse q6    --exp-name proofs_v1_june13 --model-name rma-skeleton
rma propose q6  --exp-name proofs_v1_june13 --model-name rma-skeleton
rma verify q6   --exp-name proofs_v1_june13 --model-name rma-skeleton
rma refine q6   --exp-name proofs_v1_june13 --model-name rma-skeleton

各阶段输出：

verify 检查 LaTeX/产物正确性以及数学完整性门控（证明长度、子命题结构、子证明、假设审计、引用或推导、边界情形证明）。

rma solve 统筹 parse → propose → verify，验证失败时调用 refine，最多重复 --max-rounds 轮。只有当验证器所有门控均通过时，运行才标记为 verified。

# 求解单道问题
rma solve q6

# 求解全部 10 道问题
rma solve --all

# 指定实验名称 + 骨架模型（流水线测试）
rma solve --all --exp-name proofs_test_all_june13 --model-name rma-skeleton

# 执行层级（记录在元数据中）
rma solve q6 --tier budget      # 可选 standard / pro

# 限制精炼轮数
rma solve q6 --max-rounds 3

# 使用数学研究技能
rma solve q6 --skill-path skills/math-research/SKILL.md

# 仅写入 .tex（跳过 PDF 渲染）
rma solve q6 --no-render

输出目录结构：

outputs/first_proof_1/proofs_v1_june13_rma-skeleton/
  q6_solution.tex
  q6_solution.pdf
  q6/
    input/problem.tex
    artifacts/
      metadata.json
      status.json
      report.md
      parsed_problem.json
      problem_analysis.md
      proposals/proposal_001.tex
      verifications/verification_001.json
      refinements/

终端输出示例：

RMA solve
tier: standard
skill: skills/math-research/SKILL.md
status: needs_refinement
output: outputs/first_proof_1/proofs_v1_june13_rma-skeleton
solution: outputs/first_proof_1/proofs_v1_june13_rma-skeleton/q6_solution.tex
verification: .../verification_003.json

Anthropic Messages API（按 token 付费）：

export ANTHROPIC_API_KEY="<你的密钥>"
rma solve q6 --model-name claude-opus-4-8
rma solve --all --model-name claude-sonnet-4-6 --max-rounds 3

macOS 用户可将密钥存入钥匙串，避免每次导出：

security add-generic-password -U -a "$USER" -s rma_anthropic_api_key -w "<密钥>"
rma solve q6 --model-name claude-sonnet-4-6    # 自动从钥匙串读取

显式指定 API 后端：

rma solve q6 --model-provider anthropic --model-name claude-opus-4-8

Claude Code（Pro/Max 订阅额度——不消耗 API 额度）：

claude                  # 首次登录，完成浏览器授权
rma solve q6 --model-provider claude-code --model-name claude-code
rma solve --all --model-provider claude-code --model-name claude-code --max-rounds 3

claude-code 驱动本地 claude -p 无头 CLI。若希望使用订阅计费而非 API 计费，请取消设置 ANTHROPIC_API_KEY。

自动检测： --model-provider auto（默认）对 rma-skeleton 使用 Claude Code，对任意 claude-* 模型名称使用 Anthropic API。

• 概览（Overview）标签页 — 三级层次结构（系统 → 数据集 → 问题）；SVG 环形饼图按用途分类（证明研究 vs 网站开发）展示费用；所有图表与信息图标支持悬停提示
• 问题（Question）标签页 — 以 KaTeX 渲染 .tex 问题陈述；支持原始/渲染切换
• 议题（Issue）标签页 — 类 GitHub 风格的每题议题追踪器（多智能体评论线程、状态、标签）；支持完整 LaTeX / MathJax 渲染；同时暴露 /api/gh/issues 用于直接控制 GitHub Issues
• 智能体（Agent）标签页 — 实时流式运行求解器，显示推理过程 + 工具调用 + 渲染数学公式 + token 费用
• 文档（Documents）标签页 — 浏览有日期的每日报告；支持手动触发智能体运行；支持公式完整渲染
• 开发日志（Dev Log）标签页 — 网站更新历史，可通过命令面板快速访问（Ctrl K → devlog）
• 双 Claude 后端 — API 密钥或本地 Claude Code 订阅（claude CLI 无头模式，消耗 Pro/Max 订阅额度而非 API 额度）
• 逐步实时流 — 推理块、助手文本、工具调用及结果实时显示
• 停止按钮 — POST /api/cancel 立即终止后端进程组，停止消耗订阅额度
• 活跃运行面板 — 列出所有进行中的运行，每个运行均有独立停止按钮，便于并行运行管理
• PDF 预览 — 在线编译 solution.tex（需服务器端 LaTeX）；无 LaTeX 时优雅降级
• Token / 费用显示 — 每轮用量图表及每张卡片费用标注
• 自主每日工作器 — python -m webapp.daily 每晚自动运行求解器，写入 documents/YYYY-MM-DD.md，并将每次运行记录到对应问题的议题线程

多个求解智能体可通过 Web 应用的 REST API 在真实 GitHub Issues 上协作。所有接口均在 /api/gh/ 下：

写操作需要 GITHUB_TOKEN 环境变量（细粒度 PAT，Issues 读写权限）。读操作无需认证（60 次/小时）。

求解器必须将 First Proof 官方解答和历史 AI 生成解答视为封锁输入。求解过程可以读取：

• problems/ — 基准问题陈述
• skills/ — 数学研究技能指令
• 同次运行的产物（由同一运行的前序阶段创建）

求解器绝不读取、grep、glob、摘要、渲染或以任何方式使用以下目录中的已有文件：

• final_solutions/
• outputs/
• baselines/
• First Proof 官方解答页面或衍生解答材料

outputs/ 仅允许作为写入目标。历史输出目录和无关现有解答产物仍属封锁范围。

主要求解器命令：

rma solve q6      # 仅读取 problems/q6.tex，写入全新产物
rma solve --all   # 在全部 10 道问题上进行公平基准评测