denario

Denario

概要

Denario は、初期のデータ分析から出版可能な原稿までの科学研究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 フレームワークの上に構築されており、仮説生成、方法論の策定、計算分析、論文執筆を担当する複数の専門エージェントを統括します。

このスキルを使用するタイミング

次の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策定する
• 計算実験を実行し、可視化を生成する
• 研究の背景を調べるために文献検索を行う
• 研究結果から学術誌向けフォーマットの LaTeX 論文を作成する
• 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

インストール

uv を使用して denario をインストールします(推奨):

uv init
uv add "denario[app]"

または pip を使用する場合:

pip install "denario[app]"

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

Denario は、サポートされている LLM プロバイダーの API キーを必要とします。サポートされているプロバイダーには次のものがあります:

• Google Vertex AI
• OpenAI
• AG2/LangGraph と互換性のあるその他の LLM サービス

API キーは、環境変数または .env ファイルを使用して安全に保存してください。Vertex AI のセットアップを含む詳細な設定手順については、references/llm_configuration.md を参照してください。

中核となる研究ワークフロー

Denario は、4 段階からなる構造化された研究パイプラインに従います。

1. データの記述

利用可能なデータとツールを指定して、研究の文脈を定義します:

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

データの記述から研究仮説を生成します:

den.get_idea()

これにより、記述されたデータに基づく研究課題または仮説が生成されます。代わりに、独自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()

これにより、仮説を検証するための構造化されたアプローチが作成されます。独自の方法論を記載した Markdown ファイルを受け付けることもできます:

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()

これにより、方法論が実行され、計算が行われ、可視化が作成され、知見がまとめられます。事前に計算され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)

生成された論文には、指定した学術誌向けの適切な書式、組み込まれた図表、および完全な LaTeX ソースが含まれます。

利用可能な学術誌

Denario は複数の学術誌向けの書式スタイルをサポートしています:

• Journal.APS - American Physical Society 形式
• その他の学術誌も利用可能な場合があります。完全な一覧は references/research_pipeline.md を確認してください

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

これにより、対話的な研究ワークフロー管理のための Web ベースのインターフェースが起動します。

一般的なワークフロー

エンドツーエンドの研究パイプライン

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
den.get_idea()

# Develop methodology
den.get_method()

# Execute analysis
den.get_results()

# Create publication
den.get_paper(journal=Journal.APS)

ハイブリッドワークフロー(手動 + 自動)

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

# Auto-generate methodology
den.get_method()

# Auto-generate results
den.get_results()

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

文献検索の統合

文献検索機能およびその他のワークフローの例については、references/examples.md を参照してください。

高度な機能

• マルチエージェントのオーケストレーション: AG2 と LangGraph が、異なる研究タスクを担当する専門エージェントを調整します
• 再現可能な研究: すべての段階で、バージョン管理可能な構造化された出力を生成します
• 学術誌との統合: 対象の出版先に合わせた書式を自動的に適用します
• 柔軟な入力: パイプラインの各段階で、手動または自動で入力できます
• Docker デプロイ: LaTeX とすべての依存関係を含むコンテナ化された環境です

詳細なリファレンス

包括的なドキュメントは次のとおりです:

• インストールオプション: 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策:

• APIキーのエラー: 環境変数が正しく設定されているか確認してください（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: 仮想環境またはDockerを使用して分離してください
• Pythonのバージョン: Python 3.12以上が必要です