ELIS：面向科研与工程的多智能体 AI 平台

ELIS多智能体AI平台旨在解决学术研究与工程实践中系统性文献综述（SLR）耗时耗力的痛点，通过统一CLI工具和可复现流水线，提供数据采集、去重、筛选、验证和审计的一站式解决方案，支持可复现的研究和工程工作流。

学术研究和工程实践中，SLR需从多数据库采集文献、合并去重、筛选验证等，过程繁琐。ELIS最初是专注SLR的代理仓库，后演进为支持可复现研究与工程工作流的多智能体平台。项目包命名空间和CLI仍保持elis，当前活跃分支为release/2.0，版本2.0.0标志进入成熟统一阶段。

ELIS核心设计围绕四大原则：1.统一CLI接口，整合全流程操作；2.可复现流水线，每个运行周期输出存于runs/<run_id>/，含中间产物与清单；3.阶段化确定性输出，各阶段（harvest→merge→dedup→screen→validate）产物以JSON传递；4.审计与可追溯性，运行清单需符合预定义JSON Schema，确保步骤可验证。

CLI覆盖全流程命令：数据采集支持OpenAlex、Crossref、Scopus等（计划新增Web of Science等）；合并多源数据；去重识别重复文献；筛选按纳入排除标准；验证数据格式；导出结果。还提供agentic sidecar工作流，如elis agentic asta discover和enrich辅助文献发现与元数据丰富。

项目有完善文档体系（RELEASE_PLAN_v2.0.md等）保障可持续性。技术上采用Python开发，部署推荐虚拟环境：创建venv→激活→安装依赖，通过elis --help查看命令帮助。

适用场景：SLR标准化流程、文献计量分析、研究可复现性、多源数据整合。总结：ELIS结合多智能体AI与文献综述工作流，提升效率与规范性。展望：将新增更多数据库适配器，增强AI代理能力，成为学术研究重要基础设施。