用途：Research Town 是开源的多智能体科研社群模拟框架，用于模拟学术研究的社会动态。它不依赖单一模型生成想法或写论文，而是实例化多个带有专业领域、发表历史与行为模型的专用智能体，让它们通过实验室会议、同行评审、会议讨论和协作写作等与人类研究者相同的社会结构互动。其核心假设是研究质量来自科学的社会过程，而不只是个人才华。
主要能力：可配置多种智能体类型，如首席研究员（设定方向、评估提案）、领域专家（提供技术深度与相关工作）、方法论专家（审查方法与实验设计）、审稿人（评估新颖性、重要性、严谨性）、魔鬼代言人（挑战假设、找反例）和综合者（连接跨领域想法、识别模式）。交互协议包括结构化头脑风暴（多轮生成想法并交叉回应）和模拟同行评审（多位审稿人按新颖性、重要性、方法、清晰度、可复现性打分，并汇总形成元评审）。
使用方式：通过 agents.yaml 定义智能体档案（名称、角色、专业、风格、发表场所、h_index 等），用 from research_town import ResearchTown, Agent 初始化，创建会话并运行 run_brainstorming(num_rounds=3)，再用 rank_ideas 按新颖性、可行性、影响、严谨性排序输出。模拟评审遵循加权标准（新颖性 0.25、重要性 0.20、合理性 0.25、清晰度 0.15、可复现性 0.15），输出包含总评分、建议、优点、缺点、作者问题和次要问题。
适用场景：研究者在投入长期方向前对想法做压力测试；让不同领域智能体独立调研并综合，发现文献空白；对草稿章节获取关于清晰度、论证和遗漏引用的反馈；迭代优化基金提案，让智能体扮演不同优先级的评审小组成员。
限制与伦理：AI 生成的想法只是起点，需经人类验证、领域专业与伦理审查；模拟评审无法替代真实同行评审，可能继承训练数据中的偏见；使用多智能体生成想法时，应按机构指南记录 AI 在构思过程中的作用。官方文档未提供具体收费、价格或部署平台信息。