流畅的总结可能掩盖证据的薄弱处。weave 保留证据，让材料决定文章的结构。
查看代码仓库 ↗证据先行，取景框决定文章
取景框选择文章是最后一步
x材料
E证据
f₁ · f₂ · f₃候选取景框
f*选定取景框
f*(x)文章
一个取景框只有真正改变文章保留什么、如何展开、在哪里停下，才值得使用。
读得顺的回答，也可能藏住依据。
研究智能体善于把分散材料组织成连贯的文字。危险在于，分歧、薄弱证据和结论失效的边界可能在这个过程中消失。
weave 把文章视为对证据的一种组织方式，而非模型所能说的一切的汇总。
02 / 三条路径
材料不同，观察角度也不同。
同一套流程，从三个入口研究问题。先确定哪些材料算证据，再选择文章的取景框。
01
deep-read
论文、文章、访谈、报告
以证据为基础的中文长文
02
source-dive
代码仓库、框架、技术项目
行为路径、状态归属、失败边界
03
survey
领域与研究方向
结构随材料而定的领域地图
03 / 取景框检查
取舍有依据，取景框才有用。
目标不在于凑够候选数量。只有忠于证据、具体、有取舍、坦诚说明边界，并且与其他选项有实质区别的取景框，才能留下。
- 01忠于证据
支撑结论的每个关键部分，都能追溯到证据模型。
- 02具体性
不能原封不动地套用到下一份材料或相邻话题。
- 03取舍效果
确实改变证据选择、章节顺序、因果解释或预期边界。
- 04边界诚实
说明限制结论的条件、反例或证据缺口。
- 05实质区别
不能只换一个近义标题。
04 / 边界
诚实呈现边界，也是产品的一部分。
weave 不承诺完美的视角。它让取舍可以检查，也让未覆盖的部分保持可见。
会做什么
- 先收集材料，再组织文章。
- 留出部分证据，用来检验选定的取景框。
- 区分已验证的行为与静态推断。
不会做什么
- 凭一份薄弱材料推导整个领域的结论。
- 为了凑出选择而保留无用的取景框。
- 替代已归档的 Loom 思考与知识库工具。