名称: 科研自动化系统描述: 多智能体AI系统，用于科学研究辅助，能够自动化从数据分析到出版的研究工作流。该技能应在从数据集生成研究想法、开发研究方法论、执行计算实验、进行文献搜索或生成LaTeX格式的出版物就绪论文时使用。支持端到端的研究流程，具有可定制的智能体编排。

科研自动化系统

概述

科研自动化系统是一个多智能体AI系统，旨在自动化从初始数据分析到出版物就绪手稿的科学研究工作流。基于AG2和LangGraph框架构建，它编排多个专门智能体来处理假设生成、方法论开发、计算分析和论文写作。

何时使用此技能

使用此技能当：

分析数据集以生成新颖的研究假设
开发结构化的研究方法论
执行计算实验并生成可视化
进行文献搜索以获取研究背景
从研究结果编写期刊格式的LaTeX论文
自动化从数据到出版的完整研究流程

安装

使用uv安装（推荐）：

uv init
uv add "科研自动化系统[app]"

或使用pip：

uv pip install "科研自动化系统[app]"

对于Docker部署或从源代码构建，请参见 references/installation.md。

LLM API 配置

科研自动化系统需要来自支持LLM提供商的API密钥。支持的提供商包括：

Google Vertex AI
OpenAI
其他与AG2/LangGraph兼容的LLM服务

使用环境变量或 .env 文件安全存储API密钥。有关详细配置说明，包括Vertex AI设置，请参见 references/llm_configuration.md。

核心研究工作流

科研自动化系统遵循结构化的四阶段研究流程：

1. 数据描述

通过指定可用数据和工具定义研究上下文：

from 科研自动化系统 import Denario

den = Denario(project_dir="./my_research")
den.set_data_description("""
可用数据集：X和Y的时间序列数据
工具：pandas, sklearn, matplotlib
研究领域：[指定领域]
""")

2. 想法生成

从数据描述生成研究假设：

den.get_idea()

这会产生基于描述数据的研究问题或假设。或者，提供自定义想法：

den.set_idea("自定义研究假设")

3. 方法论开发

开发研究方法论：

den.get_method()

这创建了调查假设的结构化方法。还可以接受包含自定义方法论的markdown文件：

den.set_method("路径/到/方法论.md")

4. 结果生成

执行计算实验并生成分析：

den.get_results()

这运行方法论，执行计算，创建可视化，并产生发现。还可以提供预计算结果：

den.set_results("路径/到/结果.md")

5. 论文生成

创建出版物就绪的LaTeX论文：

from 科研自动化系统 import Journal

den.get_paper(journal=Journal.APS)

生成的论文包括指定期刊的适当格式、集成图和完整的LaTeX源代码。

可用期刊

科研自动化系统支持多种期刊格式样式：

Journal.APS - 美国物理学会格式
可能还有其他期刊；请查看 references/research_pipeline.md 获取完整列表

启动GUI

运行图形用户界面：

科研自动化系统 run

这将启动基于Web的界面，用于交互式研究工作流管理。

常见工作流

端到端研究流程

from 科研自动化系统 import Denario, Journal

# 初始化项目
den = Denario(project_dir="./research_project")

# 定义研究上下文
den.set_data_description("""
数据集：[现象]的时间序列测量
可用工具：pandas, sklearn, scipy
研究目标：调查[研究问题]
""")

# 生成研究想法
den.get_idea()

# 开发方法论
den.get_method()

# 执行分析
den.get_results()

# 创建出版物
den.get_paper(journal=Journal.APS)

混合工作流（自定义 + 自动化）

# 提供自定义研究想法
den.set_idea("使用时间序列分析调查X和Y之间的相关性")

# 自动生成方法论
den.get_method()

# 自动生成结果
den.get_results()

# 生成论文
den.get_paper(journal=Journal.APS)

文献搜索集成

对于文献搜索功能和额外工作流示例，请参见 references/examples.md。

高级功能

多智能体编排：AG2和LangGraph协调不同研究任务的专门智能体
可重复研究：所有阶段产生可版本控制的结构化输出
期刊集成：针对目标出版场所的自动格式
灵活输入：每个流程阶段手动或自动
Docker部署：包含LaTeX和所有依赖项的容器化环境

详细参考

对于全面文档：

安装选项： references/installation.md
LLM配置： references/llm_configuration.md
完整API参考： references/research_pipeline.md
示例工作流： references/examples.md

故障排除

常见问题及解决方案：

API密钥错误：确保环境变量正确设置（见 references/llm_configuration.md）
LaTeX编译：安装TeX发行版或使用预安装LaTeX的Docker镜像
包冲突：使用虚拟环境或Docker进行隔离
Python版本：需要Python 3.12或更高版本