用途：Denario 面向科研工作流自动化，帮助用户从数据描述出发，生成研究假设、开发方法、执行计算实验，并产出符合期刊格式的 LaTeX 论文，也支持在任一步骤手动提供自定义输入。
主要能力：多智能体编排（AG2、LangGraph）；四阶段研究流水线（数据描述→想法生成→方法开发→结果生成），再生成论文；支持期刊格式化（如 Journal.APS）；所有阶段输出结构化、可版本控制；提供文献检索与可视化；可 Docker 部署，镜像内含 LaTeX 与依赖。
使用方式：推荐用 uv 安装：uv init，uv add "denario[app]"；或用 pip：uv pip install "denario[app]"。需配置受支持 LLM 提供商的 API 密钥（如 Google Vertex AI、OpenAI、兼容 AG2/LangGraph 的服务），通过环境变量或 .env 存储。基本用法：from denario import Denario, Journal；den = Denario(project_dir="./my_research")；den.set_data_description(...)；den.get_idea()；den.get_method()；den.get_results()；den.get_paper(journal=Journal.APS)。也可用 den.set_idea()、set_method()、set_results() 提供自定义内容。GUI 启动命令：denario run。
适用场景：需要批量生成研究假设、开展计算实验、产出期刊格式论文的科研或数据分析项目。
限制：需要 Python 3.12 或更高版本；必须自行提供并正确配置 LLM API 密钥；生成论文需本地 TeX 发行版或使用 Docker 镜像；可能存在包冲突，建议用虚拟环境或 Docker 隔离；部分期刊格式与文献检索细节需查阅官方参考文档，其它细节暂未提供。