记忆图谱与 Reviewer：让结论经得起追问
读到一份流畅的报告，我们常常还需要问：“这个数字来自哪次计算？这句话引用的论文，真的支持它吗？”ScienceMemory 和 Reviewer 分别帮助保存研究依据、发现需要复核的问题，让检查工作有具体的落点。
把研究经过和论证依据连起来
ScienceMemory 将已记录的任务、工具调用、代码、文件和引用组织成可点击的图。任务链帮助查看做过什么、产生了什么；引用链帮助查看某条结论关联了哪些证据，以及这些证据来自哪里。
例如，一张分析图可以关联生成它的代码与执行记录；报告中的结构化引用可以通向证据或产物。比起只在聊天历史中寻找蛛丝马迹，研究者可以沿这些关系回到具体记录。
图的完整程度取决于实际记录与显式建立的证据关系。并非所有自然语言句子都会自动获得完整支撑链，未登记的依据也不会凭空出现在图中。
给产物增加一个检查视角
启用 Reviewer 后，可以通过 Run review 或明确的评审请求检查产物，会话开启自动评审后，符合条件的报告产物还可以触发后台评审。评审围绕具体产物版本留下问题与理由，帮助定位缺失引用、来源不匹配或计算溯源不完整等疑点。
Quick 侧重引用结构与计算证据链的检查。更深入的核查需要可访问的来源、相应工具与时间预算。引用格式正确，不等于原文支持论断；记录了执行过程，也不等于统计方法正确。
Reviewer 的反馈不会自动改写产物，也不代表主 Agent 必然完成修订。你可以据此要求补充证据、收窄表述或修正计算，再查看新的产物版本。
降低幻觉，靠的是可检查的依据
这套机制的价值在于把“似乎不可信”变成可追踪的问题：缺少哪条来源，哪次计算与结果不一致，哪些结论超出了证据范围。它为降低科研幻觉提供支撑，但模型评审也可能误判，图谱本身不是真实性的证明。
科学记忆是可选能力。本地文件后端无需额外部署图数据库；需要 Neo4j 时再选择对应后端。Reviewer 也需要显式启用。先完成一次有可靠产物的分析，再逐步引入追溯与评审，通常更容易理解各项记录的意义。