denario

Denario

概述

Denario 是一个多 Agent AI 系统，旨在自动化科学研究工作流，涵盖从初始数据分析到可供发表的论文撰写。它基于 AG2 和 LangGraph 框架构建，可协调多个专用 Agent，处理假设生成、方法论制定、计算分析和论文撰写。

何时使用此技能

在以下情况下使用此技能：

• 分析数据集以生成新颖的研究假设
• 制定结构化的研究方法论
• 执行计算实验并生成可视化内容
• 开展文献检索，为研究提供背景
• 根据研究结果撰写符合期刊格式的 LaTeX 论文
• 自动化从数据到发表的完整研究流程

安装

使用 uv 安装 denario（推荐）：

uv init
uv add "denario[app]"

或使用 pip：

pip install "denario[app]"

如需通过 Docker 部署或从源代码构建，请参阅 references/installation.md。

LLM API 配置

Denario 需要受支持的 LLM 提供商的 API 密钥。支持的提供商包括：

• Google Vertex AI
• OpenAI
• 其他兼容 AG2/LangGraph 的 LLM 服务

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

核心研究工作流

Denario 遵循由四个阶段组成的结构化研究流程：

1. 数据描述

指定可用的数据和工具，以定义研究背景：

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. 创意生成

根据数据描述生成研究假设：

den.get_idea()

此步骤会根据描述的数据提出研究问题或假设。也可以提供自定义创意：

den.set_idea("Custom research hypothesis")

3. 方法论制定

制定研究方法论：

den.get_method()

此步骤会创建用于验证假设的结构化方案。也可以接受包含自定义方法论的 Markdown 文件：

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

4. 结果生成

执行计算实验并生成分析结果：

den.get_results()

此步骤会执行方法论、进行计算、创建可视化内容并生成研究发现。也可以提供预先计算的结果：

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

5. 论文生成

创建可供发表的 LaTeX 论文：

from denario import Journal

den.get_paper(journal=Journal.APS)

生成的论文包含符合指定期刊要求的格式、整合的图表以及完整的 LaTeX 源代码。

可用期刊

Denario 支持多种期刊格式：

• Journal.APS - 美国物理学会格式
• 可能还有其他期刊格式；完整列表请参阅 references/research_pipeline.md

启动 GUI

运行图形用户界面：

denario run

此命令会启动一个基于 Web 的界面，用于交互式管理研究工作流。

常见工作流

端到端研究流程

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)

混合工作流（自定义 + 自动化）

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

# Auto-generate methodology
den.get_method()

# Auto-generate results
den.get_results()

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

集成文献检索

有关文献检索功能和更多工作流示例，请参阅 references/examples.md。

高级功能

• 多 Agent 协调：AG2 和 LangGraph 可协调专用 Agent，处理不同的研究任务
• 可复现研究：所有阶段都会生成可进行版本控制的结构化输出
• 期刊集成：自动采用目标出版物的格式
• 灵活输入：可在每个流程阶段手动输入或自动生成
• Docker 部署：提供包含 LaTeX 和所有依赖项的容器化环境

详细参考资料

完整文档请参阅：

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

故障排除

常见问题及解决方案：

• API 密钥错误：确保已正确设置环境变量（请参阅 references/llm_configuration.md）
• LaTeX 编译：安装 TeX 发行版，或使用预装 LaTeX 的 Docker 镜像
• 软件包冲突：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