alterlab-denario

Denario

概要

Denario（AstroPilot-AI 提供）は、説明されたデータセットから出版可能な原稿に至るまで、科学研究のワークフローを自動化するために設計されたマルチエージェント AI システムです。AG2 と LangGraph でエージェントを実装し、研究分析バックエンドとして cmbagent を使用して、仮説の生成、方法論の開発、計算分析、論文の執筆を行います。

ソース：https://github.com/AstroPilot-AI/Denario | ドキュメント：https://denario.readthedocs.io | 論文：arXiv:2510.26887（v1.0、2025 年 11 月）。

このスキルを使用する場面

次のような場合にこのスキルを使用してください。

• データセットを分析して、新しい研究仮説を生成する
• 構造化された研究方法論を開発する
• 計算実験を実行し、可視化を生成する
• 研究の背景を把握するため、文献を検索する
• 研究結果から、ジャーナルの書式に沿った LaTeX 論文を執筆する
• データから出版までの研究パイプライン全体を自動化する

使用しない場面

シナリオ	代わりに使用
分析対象のデータセットがない、引用付きの文献レビューまたはファクトチェック	alterlab-deep-research
自分の原稿について、研究 → 執筆 → レビュー → 改訂を調整する	alterlab-research-pipeline
自分で執筆する論文を起草または改訂する（IMRaD、二言語の要旨）	alterlab-paper-writer
表形式データセットを対象に、LLM 主導で仮説を生成して検証する（HypoGeniC）	alterlab-hypogenic
コンサルティング形式の市場または業界レポート	alterlab-market-research

Denario の出力は、最初から最後まで AI によって生成されます。そのアイデア、コード、結果、引用は、研究者による検証が必要な草稿として扱い、成果となる原稿では AI による支援を開示してください。

インストール

uv でインストールします（推奨）。zsh が [app] をグロブとして解釈しないよう、追加機能を引用符で囲んでください。

uv init
uv add "denario[app]"

[app] 追加機能を指定すると Streamlit GUI（DenarioApp）がインストールされます。ヘッドレスまたはライブラリとして使用する場合は省略してください。Docker でのデプロイやソースからのビルドについては、references/installation.md を参照してください。

LLM API の設定

初期化時に、Denario は KeyManager を介して環境変数からプロバイダーのキーを読み込みます（設定オブジェクトは使用しません）。関連する変数は次のとおりです。

• OPENAI_API_KEY — 必須（分析／結果モジュールで必要です。OpenAI モデルは cmbagent モードのデフォルトです）。
• GOOGLE_API_KEY — 任意。Gemini API キーです。Gemini モデルが選択される場合に必要です（mode="fast"、check_idea、get_paper のデフォルトは Gemini です）。Vertex AI のサービスアカウント JSON ではなく、通常の Gemini キーであることに注意してください。
• ANTHROPIC_API_KEY — 任意（Claude）。
• PERPLEXITY_API_KEY — 任意。引用検索でのみ使用します。

シェルまたは作業ディレクトリ内の .env に設定してください（KeyManager が自動的に load_dotenv() を呼び出します）。バックエンドとして Google Vertex AI もサポートされています。詳細と .env／Docker の情報については、references/llm_configuration.md を参照してください。

モデル ID：現在のものを明示的に指定してください

denario 1.0.1（現行リリース。2026-09 時点で GitHub の master に変更はありません）は、プロバイダーがすでに廃止したデフォルト値をハードコードしているため、デフォルト値に頼らず、呼び出しごとにモデルを選択してください。

• mode="fast"（get_idea／get_method）のデフォルトは gemini-2.0-flash ですが、Google は 2026-06-01 に提供を終了しました。そのため、現在はデフォルトの経路でエラーが発生します。llm= を明示的に指定してください。
• cmbagent のデフォルト（mode="cmbagent" および get_results）では、gpt-4o と gpt-4.1 に加えて o3-mini を使用します（OpenAI による提供終了は 2026-10-23 に予定されています）。o3-mini を使用するすべてのロールを上書きしてください：idea_hater_model、plan_reviewer_model、formatter_model、および（get_results では）researcher_model。
• レジストリーのエントリー "gpt-4.5"（gpt-4.5-preview）は 2025-07-14 に提供を終了しました。選択しないでください。

文字列のモデル名は denario.models のキーである必要があります（例："gpt-4.1"、"gpt-5"、"gpt-5-mini"、"gemini-2.5-flash"、"gemini-2.5-pro"）。それ以外のプロバイダーのモデル ID には、LLM オブジェクトを渡してください。ルーティングは部分文字列に基づきます（gemini → Google、gpt／o3 → OpenAI、claude → Anthropic）。

from denario import Denario, LLM

den = Denario(project_dir="./my_research")
den.get_idea(mode="fast", llm="gpt-4.1")  # a registry key the provider still serves
den.get_method(mode="fast", llm=LLM(name="gemini-3.6-flash", max_output_tokens=8192, temperature=0.7))

gemini-3.6-flash は、Google が gemini-2.0-flash の後継として掲載しているモデルです。Google は現在、Gemini 2.5 モデルの利用を既存ユーザーに限定しているため、新しい Google アカウントでは LLM オブジェクト経由の方法を使用してください。長時間の実行を始める前に、プロバイダーのモデル一覧を確認してください。モデル ID は頻繁に入れ替わります。ステージごとのパラメーターについては、references/llm_configuration.md を参照してください。

研究ワークフローの基本

Denario は、構造化された 4 段階の研究パイプラインに従います。

1. データの説明

利用可能なデータとツールを指定して、研究のコンテキストを定義します。

from denario import Denario

den = Denario(project_dir="./my_research")
den.set_data_description("""
Available datasets: time-series data on X and Y
Tools: pandas, sklearn, matplotlib
Research domain: [specify domain]
""")

2. アイデアの生成

データの説明から研究仮説を生成します。

den.get_idea(llm="gpt-4.1")  # pass a live model; the built-in fast-mode default is retired

説明したデータに基づいて、研究上の問いまたは仮説が生成されます。get_idea() と get_method() は mode 引数を受け取ります。mode="fast"（デフォルト。LangGraph バックエンドで、より高速ですが信頼性は低めです）または mode="cmbagent"（cmbagent バックエンドで、より低速ですが信頼性は高めです）を指定できます。カスタムのアイデアを指定することもできます。

den.set_idea("Custom research hypothesis")

3. 方法論の策定

研究方法論を策定します。

den.get_method(llm="gpt-4.1")

これにより、仮説を調査するための構造化されたアプローチが作成されます。カスタムの方法論を記述した Markdown ファイルを受け取ることもできます。

den.set_method("path/to/methodology.md")

4. 結果の生成

計算実験を実行し、分析を生成します。

den.get_results(researcher_model="gpt-4.1", plan_reviewer_model="gpt-4.1", formatter_model="gpt-4.1")

方法論を実行し、計算を行い、可視化を作成して、研究結果を生成します。事前に計算した結果を指定することもできます。

den.set_results("path/to/results.md")

5. 論文の生成

出版可能な LaTeX 論文を作成します。

from denario import Journal

den.get_paper(journal=Journal.APS)

生成される論文には、指定したジャーナルに適した書式、統合された図、および完全な LaTeX ソースが含まれます。

利用可能なジャーナル

get_paper(journal=...) のデフォルトは Journal.NONE（プレーンな LaTeX、unsrt 形式の参考文献）です。Journal 列挙型（from denario import Journal）では、次のジャーナルを指定できます。

• Journal.NONE — 汎用 LaTeX。ジャーナルのプリセットなし
• Journal.AAS — American Astronomical Society（例：ApJ）
• Journal.APS — American Physical Society（Physical Review、PRL、PRA など）
• Journal.ICML — International Conference on Machine Learning
• Journal.JHEP — Journal of High Energy Physics（JCAP を含む）
• Journal.NeurIPS — Conference on Neural Information Processing Systems
• Journal.PASJ — Publications of the Astronomical Society of Japan

GUI の起動

グラフィカルユーザーインターフェースを実行します。

denario run

研究ワークフローを対話的に管理するためのウェブベースのインターフェースが起動します。

よくあるワークフロー

研究のエンドツーエンドパイプライン

from denario import Denario, Journal

# Initialize project
den = Denario(project_dir="./research_project")

# Define research context
den.set_data_description("""
Dataset: Time-series measurements of [phenomenon]
Available tools: pandas, sklearn, scipy
Research goal: Investigate [research question]
""")

# Generate research idea and methodology (explicit models; see "Model IDs" above)
den.get_idea(llm="gpt-4.1")
den.get_method(llm="gpt-4.1")

# Execute analysis (cmbagent agents); replace the o3-mini defaults before OpenAI retires them
den.get_results(researcher_model="gpt-4.1", plan_reviewer_model="gpt-4.1", formatter_model="gpt-4.1")

# Create publication (default writer LLM is gemini-2.5-flash; pass llm= to change it)
den.get_paper(journal=Journal.APS)

ハイブリッドワークフロー（カスタム＋自動化）

# Provide custom research idea
den.set_idea("Investigate the correlation between X and Y using time-series analysis")

# Auto-generate methodology
den.get_method(llm="gpt-4.1")

# Auto-generate results
den.get_results(researcher_model="gpt-4.1", plan_reviewer_model="gpt-4.1", formatter_model="gpt-4.1")

# Generate paper
den.get_paper(journal=Journal.APS)

文献／新規性の確認

den.check_idea(mode="semantic_scholar")（または mode="futurehouse"）を使用すると、方法論や結果の作成に進む前に、既存の文献と照らし合わせてアイデアの独創性を確認できます。references/examples.md を参照してください。

詳細なリファレンス

詳しいドキュメントについては、以下をご覧ください。

• インストール方法：references/installation.md
• LLM の設定：references/llm_configuration.md
• API リファレンス全体：references/research_pipeline.md
• ワークフローの例：references/examples.md

トラブルシューティング

よくある問題と解決方法：

• API キーのエラー：環境変数が正しく設定されていることを確認してください（references/llm_configuration.mdを参照）
• LaTeX のコンパイル：TeX ディストリビューションをインストールするか、LaTeX がプリインストールされた Docker イメージを使用してください
• パッケージの競合：分離するために仮想環境または Docker を使用してください
• Python のバージョン：denario 1.0.x には Python 3.12 または 3.13 が必要です（>=3.12,<3.14）
• KeyError: LLM '...' not available：この文字列はdenario.modelsのキーではありません。代わりにLLM(...)オブジェクトを渡してください
• プロバイダーからモデルが見つからない、または非推奨というエラーが返される：廃止されたデフォルトモデルが使用されています。現在のモデルを渡してください（上記の「モデル ID」を参照）

AlterLab Academic Skills スイートの一部です。