Research Refine 用于研究问题已可见、但技术路线仍模糊的阶段。目标不是产出臃肿提案或基准清单，而是把模糊方向转化为“问题→聚焦方法→最小验证”的文档，具体到可实现、精炼到像论文，并贴合基础模型时代。
四项原则：不丢失原始问题（冻结不可变的 Problem Anchor 并在每轮复用）；最小充分机制优先；一篇论文一个主导贡献；现代杠杆是前提而非装饰，LLM/VLM/Diffusion/RL/蒸馏/推理时扩展须在契合瓶颈时具体使用，不堆砌热词。
流程：Phase 0（Claude）冻结问题锚；Phase 1 扫描支撑论文、识别技术空白、选择最锐利路线、写出聚焦提案；Phase 2（Codex/GPT-5.4）评审忠实度、具体性、贡献质量与前沿杠杆；Phase 3 做锚点与简洁性检查、修订方法并重写完整提案；Phase 4 同线程复评；重复 3-4 直到总分≥9 或达到最大轮数；Phase 5 保存完整历史到 refine-logs/。可选交接 /experiment-plan 生成可执行实验路线图。
常量：REVIEWER_MODEL = gpt-5.4；MAX_ROUNDS = 5；SCORE_THRESHOLD = 9；OUTPUT_DIR = refine-logs/；MAX_LOCAL_PAPERS = 15；MAX_CORE_EXPERIMENTS = 3；MAX_PRIMARY_CLAIMS = 2；MAX_NEW_TRAINABLE_COMPONENTS = 2。可通过参数覆盖，如 /research-refine "problem | approach" -- max rounds: 3, threshold: 9。
状态持久化：每阶段边界后写 refine-logs/REFINE_STATE.json，含 phase、round、threadId、last_score、last_verdict、status、timestamp。若状态为 in_progress 且时间戳在 24 小时内则恢复；超过 24 小时或已完成则重新开始。输出目录含各轮 review/refinement 文件、REVIEW_SUMMARY.md、FINAL_PROPOSAL.md 等；每轮 refinement 必须含完整锚定提案，而非增量修补。
限制：资料未提供安装方式、收费与价格信息；具体平台与界面细节暂未提供。