# 2026.06.29-日报-莫润麟


Source: https://feishu.cn/docx/B2JrwIWmQiRT0Jk8J4Ecwtq9nkf


### 今日内容

①AI学术知识库调研部署
②博弈论建模推进

### 一、AI学术知识库调研部署

核心问题是：

Github有没有成熟项目、插件组合或工作流，能够把 Zotero、Obsidian 和AI Agent 组合起来，服务于长期论文知识库建设？

#### （一）调研背景

目前 DBA 论文和管理研究相关内容，需要长期积累文献、理论、变量、机制和研究方法。

目前希望建立一个系统化研究知识库，大致思路是：

Zotero：负责文献管理、PDF、引用、标签、元数据

Obsidian：负责文献笔记、主题笔记、理论卡片、机制卡片、研究问题沉淀

AI Agent：负责读取、整理、归档、提炼、生成综述、对比文献、辅助写作

调研时不只搜索已经完整打通 Zotero + Obsidian + AI Agent 的项目。现实中这类一体化项目可能较少，甚至不够成熟。

因此需要同时重点关注两两打通的成熟方案，并判断它们能否组合成完整研究工作流。

#### （二）项目调研与初步筛选

重点关注 Zotero、Obsidian 与 AI Agent 能否组合成长期论文知识库工作流。

调研发现，目前较成熟的项目大多是“两两打通”，真正同时完整覆盖 Zotero + Obsidian + AI Agent 的成熟项目较少。

从成熟度看，Better BibTeX、Zotero Better Notes、Obsidian Zotero Integration 更成熟，适合作为基础组件；

research-hub 方向更接近我们想要的完整链路，但项目规模较小，成熟度和输出质量仍需验证。

#### （三）research-hub 实测情况

本次实际测试了 GitHub 项目 research-hub。

它的目标是将 Zotero、Obsidian/Markdown vault、NotebookLM 和 AI Agent 连接起来。测试中已完成以下动作：

连接 Zotero Group Library；

读取 DBA 论文文献库下的集合结构；

选取“竞赛理论与锦标赛理论”集合进行测试；

将该集合绑定为 research-hub cluster；

成功同步生成 9 篇 Markdown 文献笔记；

生成本地 dashboard 页面；

将生成结果导入 Obsidian 测试 vault。

从技术链路看，research-hub 可以跑通：这说明它有一定的工作流价值，尤其适合作为 Zotero 到本地 Markdown 的同步工具。

#### （四）实际效果问题

但从论文知识库的实际使用效果看，本次测试结果并不理想，主要问题包括：

Obsidian 笔记质量偏低
生成的笔记主要是元数据和模板骨架，包括 title、authors、DOI、abstract 等，但一些关键内容仍然是待处理状态，不能直接服务论文阅读和综述写作。

中文兼容性较差
主题总览页和部分中文字段出现明显乱码。例如“竞赛理论与锦标赛理论”等中文标题在生成后变成不可读字符，说明其模板或编码链路对中文环境不够友好。

英文摘要也存在字符异常
部分英文摘要中出现异常字符，说明 PDF/元数据抽取或编码转换存在问题。英文基础内容都不完全干净，更不用说中文论文知识库场景。

HTML dashboard 可用性有限
生成的 dashboard 是本地离线 HTML 页面，更多像同步状态看板，而不是实际的研究工作区。它能显示 cluster 和同步状态，但不适合承担论文阅读、知识沉淀和写作组织。

对论文知识库场景不够贴合
research-hub 更像“研究资料同步和管理工具”，而不是一个面向 DBA 论文写作的高质量知识库系统。它没有直接形成理论卡片、机制卡片、变量卡片、方法卡片，也没有按论文问题意识组织内容。

#### （五）阶段性结论

本次测试说明：

research-hub 可以证明 Zotero → Markdown/Obsidian → AI Agent 的技术链路是可行的，但目前不适合作为前台论文知识库直接使用。

### 二、博弈论框架推进

#### （一）博弈论推进方式

本文博弈论部分应推进到：

统一收益函数 + FOC + 简化均衡 + 比较静态 + 理论命题 + 实证变量映射。

因此，正式论文的理论推导顺序确定为：

基础模型均衡

加入激励性后的均衡变化

加入私有性后的均衡变化

加入公平性后的均衡变化

三机制联合均衡条件

比较静态分析

理论命题

实证变量映射

分步引入机制，不只是解释机制作用路径，而是要体现每一步如何改变玩家的均衡投入条件。

#### （二）基础收益函数的理论来源

在正式推导前，需要先说明基础收益函数为什么可以这样设定，避免看起来像是凭空构造。

本文基础收益函数主要来自三类理论的组合抽象。

第一部分：竞赛理论（Contest Theory）

这是基础收益函数最主要的理论来源。经典竞赛理论，尤其是 Tullock Contest，关注的逻辑链是：

因此经典竞赛模型的收益结构可写为：

其中：

为投入努力

为获胜或较好结果的概率

为竞赛奖励价值

为投入成本。

这一结构表达的是：玩家不是确定获得奖励，而是通过投入影响获胜概率，并在预期奖励和投入成本之间进行权衡。

📖 理论来源：Tullock, G. (1980). Efficient Rent Seeking. In J. M. Buchanan, R. D. Tollison, & G. Tullock (Eds.), Toward a Theory of the Rent-Seeking Society (pp. 97-112). Texas A&M University Press.

对应到钲鼓连烽中，玩家投入包括时间、金钱、元宝、操作和组织配合；团体的竞赛表现影响最终排名和奖励机会。因此可借鉴竞赛理论的基本结构：

预期收益 = 获胜或排名机会 × 奖励价值 − 投入成本

这为本文基础收益函数中的  提供了理论来源。

#### 第二部分：公共品博弈（Public Goods Game）

钲鼓连烽不是单个玩家独立竞争，而是团体赛季制竞赛，逻辑链是：

在这种结构下，个体投入具有公共品特征——投入成本由个人承担，但团体胜利或奖励具有共享性，于是可能出现"别人多投入，我少投入，但我也能分享部分团体收益"，这就是公共品博弈中的搭便车问题。

📖 理论来源：Olson, M. (1965). The Logic of Collective Action: Public Goods and the Theory of Groups. Harvard University Press.

因此不能直接写成 ，而需要加入个人可分享的收益份额 ，

于是收益结构变为：

其中  为玩家从团体收益中能够获得的固定收益份额。

的引入来自团体收益共享结构，也对应公共品博弈中的个人收益份额问题。

#### 第三部分：机制设计理论（Mechanism Design）

在游戏竞赛中，平台并不是被动观察玩家行为，而是通过规则机制改变玩家收益结构，

例如：个人奖励、排名奖励、奖励梯度、匹配规则。

这些规则本质上是在改变"玩家投入 → 团体结果 → 个人可获得收益"之间的关系。

因此，机制设计理论可以解释：平台如何通过规则设计改变奖励分配方式、贡献回报绑定和玩家投入激励。

📖 理论来源：Myerson, R. B. (1981). Optimal Auction Design. Mathematics of Operations Research, 6(1), 58-73.

小结：基础收益函数不是凭空设定

因此，本文基础收益函数  可以理解为：在经典竞赛理论"投入—获胜概率—奖励—成本"框架基础上，结合公共品博弈中的团体收益共享问题，并进一步为机制设计中的收益分配规则预留参数空间后，得到的团体赛季制竞赛玩家收益函数。

#### （三）基础模型均衡条件

👉 在上述理论支撑下，先建立基础收益函数：

其中

为固定收益份额

为竞赛奖励价值

为团体获得较好排名或奖励机会的概率

为个体投入成本

对投入  求导，得到基础均衡条件：

若进一步设成本函数 ，则

基础均衡可写为：

结果表明：在没有特殊机制调节时，玩家会持续投入，直到固定收益份额下的边际奖励收益等于边际投入成本。

小结

主要完成了：

正式论文博弈论部分的整体推导顺序

基础收益函数的理论支撑构建

推导基础模型均衡条件

当前博弈论部分已从"机制解释"推进到"正式模型推导"阶段。

下一步将继续推进：重点机制的均衡变化 → 重点机制联合模型 → 联合 FOC → 比较静态分析 → 理论命题。