[ PROMPT_NODE_26470 ]
denario
[ SKILL_DOCUMENTATION ]
# Denario
## 概述
Denario 是一个多智能体 AI 系统，旨在自动化从初始数据分析到发表级文稿的科学研究工作流。它基于 AG2 和 LangGraph 框架构建，编排多个专业智能体来处理假设生成、方法开发、计算分析和论文撰写。
## 何时使用此技能
在以下情况使用此技能：
- 分析数据集以生成新的研究假设
- 开发结构化的研究方法
- 执行计算实验并生成可视化结果
- 为研究背景进行文献检索
- 根据研究结果撰写期刊格式的 LaTeX 论文
- 自动化从数据到发表的完整研究流水线
## 安装
使用 uv 安装 denario（推荐）：
bash
uv init
uv add "denario[app]"
或使用 pip：
bash
uv pip install "denario[app]"
有关 Docker 部署或从源码构建的信息，请参阅 `references/installation.md`。
## LLM API 配置
Denario 需要来自受支持 LLM 提供商的 API 密钥。受支持的提供商包括：
- Google Vertex AI
- OpenAI
- 其他兼容 AG2/LangGraph 的 LLM 服务
使用环境变量或 `.env` 文件安全存储 API 密钥。有关包括 Vertex AI 设置在内的详细配置说明，请参阅 `references/llm_configuration.md`。
## 核心研究工作流
Denario 遵循结构化的四阶段研究流水线：
### 1. 数据描述
通过指定可用数据和工具来定义研究背景：
python
from denario import Denario
den = Denario(project_dir="./my_research")
den.set_data_description("""
可用数据集：关于 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
根据数据描述生成研究假设：
python
den.get_idea()
这将基于描述的数据产生一个研究问题或假设。或者，提供一个自定义想法：
python
den.set_idea("自定义研究假设")
### 3. 方法开发
开发研究方法：
python
den.get_method()
这将创建一个用于研究该假设的结构化方法。也可以接受带有自定义方法的 markdown 文件：
python
den.set_method("path/to/methodology.md")
### 4. 结果生成
执行计算实验并生成分析：
python
den.get_results()
这将运行该方法
粤公网安备44030002003366号