run-workflow 是一个面向研究任务的工作流运行技能，来源为 allenai/asta-plugins。它围绕 Asta 研究工作流，把多个研究工具串接起来，实现从计划制定到报告产出的完整过程。
用途：该技能用于当用户提出研究问题时，为其运行一套结构化的 Asta 研究流程。流程可以覆盖从文献检索、数据查找、实验执行到理论生成的多个环节，最终形成报告。\n\n主要流程：资料给出了四种可选工作流。\n1. 理论生成：Theorizer 规划搜索查询和 schema，Paper Finder 找到论文，然后 Theorizer 按每个提取 schema 逐篇处理文献。\n2. 数据驱动理论生成：先由 Paper Finder 检索论文，Data Search 查找数据，AutoDS 执行实验，最后由 Theorizer 解释实验发现。\n3. 二次复现：在独立数据上重新检验 AutoDS 运行的假设，再根据结论用 Theorizer 构建理论。\n4. AutoDiscovery 探索：把研究者关于其数据的问题拆分为多个 AutoDS 运行，记录运行过程，并撰写结果，每个数字都与对应实验关联。\n\n使用方式：需要先检查环境，安装缺失工具并运行 theorize doctor。安装命令包括使用 uv 安装 asta-theorizer 和 asta-autodiscovery，两者都需要 --python 参数；在最新 Python 版本上，共享依赖可能没有预构建包，导致编译安装失败。密钥从环境变量读取，theorize doctor 会列出已安装 Theorizer 读取的每个密钥、是否设置、缺失时运行会失去什么以及如何设置。AutoDS 没有类似检查，它读取其模型提供商的密钥，例如 anthropic/ 模型对应 ANTHROPIC_API_KEY。\n\n交互方式：首次回复即为计划，按固定顺序呈现：示例工作流、包含用户问题取值的计划表、可更改项（若工作流文件列出则逐字给出）、以及单独一行的问题：是否运行工作流或提供更新后的查询。在计划中不猜测数据集、论文或假设，除非用户要求选择。默认假设用户希望自主执行工作流，运行文件保存在同一目录，长命令在后台运行并检查输出。\n\n适用场景：适合需要文献检索与导入、数据查找、在数据集上自动运行实验搜索、从论文构建理论或复现实验结果的研究工作。Paper Finder 支持搜索、下载和导入用户自有文档（文件夹、glob 或文件，支持 markdown、text 或 PDF）。Data Search 没有专门命令，由执行者结合网络和 shell 完成。\n\n限制：资料未提供该技能的收费、价格、平台支持范围或效果保证。工具安装可能因 Python 版本和依赖问题失败，密钥缺失会限制部分功能。具体能力取决于各底层工具的实际可用性。