Denario 是面向科研的多智能体 AI 系统，基于 AG2 与 LangGraph 编排多个专用智能体，自动化从数据分析到可发表论文的科研工作流。适用场景包括：从数据集生成研究假设、构建结构化研究方法、执行计算实验并生成可视化、检索文献背景、按期刊格式撰写 LaTeX 论文，以及端到端自动化研究流程。
安装推荐使用 uv：先执行 uv init，再执行 uv add "denario[app]"；也可用 uv pip install "denario[app]"。Docker 部署或源码构建见 references/installation.md。使用前需配置受支持的 LLM 提供商 API 密钥，如 Google Vertex AI、OpenAI 及兼容 AG2/LangGraph 的服务，密钥应通过环境变量或 .env 文件安全存储，详见 references/llm_configuration.md。
核心流程分四阶段：1) 数据描述，用 Denario(project_dir="./my_research") 初始化并调用 set_data_description 说明数据集、工具与研究领域；2) 想法生成，调用 get_idea() 生成假设，或用 set_idea() 自定义；3) 方法开发，调用 get_method() 生成方法，或用 set_method() 传入 markdown；4) 结果生成，调用 get_results() 执行实验与可视化，或用 set_results() 提供预计算结果；5) 论文生成，调用 get_paper(journal=Journal.APS) 输出期刊格式 LaTeX 论文。支持的期刊格式包括 Journal.APS，完整列表见 references/research_pipeline.md。
运行 denario run 可启动基于 Web 的图形界面进行交互式管理。高级特性包括多智能体编排、可版本控制的可复现输出、期刊格式集成、各阶段手动或自动的灵活输入，以及含 LaTeX 与依赖的 Docker 部署。常见问题：API 密钥错误需检查环境变量；LaTeX 编译需安装 TeX 发行版或使用预装镜像；包冲突建议用虚拟环境或 Docker；要求 Python 3.12 或更高版本。更多文档见 references/installation.md、llm_configuration.md、research_pipeline.md、examples.md。