論文通常只留下最後成功的研究路徑，但真正的研究更像一盤棋：每一步都建立在前一步的資訊上，有些方向奏效，有些是失敗嘗試，也可能在很多步之後才發現早期某個線索其實很重要。
當 AI agent 一天可以嘗試很多分析與假設時，這些過程更容易散落在聊天紀錄、簡報和人的記憶裡。
因此我開發了 Duetkifu。
. 棋譜（きふ）原本是圍棋或將棋中逐步記錄對局的方式。棋手不只看最後誰贏，而是會重播整盤棋，理解哪一步改變了局勢、哪一步是錯誤，以及當時為什麼做出那個選擇。
Duetkifu 把這個概念帶進研究。
每一次研究嘗試都是一個 move，記錄：
為什麼走這一步
它接續哪一個先前結果
得到了什麼結果
如果是 dead end，為什麼結束
數據與結論來自哪些 raw data、scripts 或 files
研究過程因此不是單純的時間軸，而是一棵可以回顧、分岔與重新理解的 research kifu。
這也讓失敗結果變得重要。例如「假設錯誤」和「資料品質不足，因此其實沒有真正驗證到這個假設」是兩種完全不同的 dead end。
Duetkifu 也會追蹤每個重要數字的來源，連回 raw data、analysis scripts 與 computation steps，並透過 provenance、fingerprints 與 recomputation 檢查結果是否仍可重現。
它同時整合了我之前開發的 Duetsheet：Duetsheet 負責 human–AI report review；Duetkifu 則保存報告背後完整的研究棋譜，包括成功路徑、失敗分支、修正與尚未解決的問題。
它想保存的不只是：
「最後發現了什麼？」
而是像重播一盤棋一樣重新回答：
「當時為什麼走這一步？哪一步讓研究轉向？哪些路走不通？每個結論又是從哪裡來的？」
Duetkifu 使用 plain JSON、JSON Schema 與 AGENTS.md，可搭配 Claude Code、Codex、Gemini CLI、Cursor 等能讀寫檔案的 AI agents。
