SuperAPI AI 工具集

kosmos-scientist-guide

通用与其它

查看项目

更新于 10-16 07:17

技能介绍

用途:Kosmos 是 Claude Code 驱动的 AI Scientist 框架,用于把科研流程自动化,覆盖从假设生成到论文草稿的完整链路,主要面向 ML/AI 研究者自动化实验流水线。

主要能力:按科学管道推进研究——研究问题、文献综述(检索与综述)、假设生成(可检验预测)、实验设计(变量、对照、指标)、实现(代码与数据管道)、执行、分析(统计与可视化)、解释(发现与局限)、论文草稿(LaTeX 手稿)。配置通过 CLAUDE.md 定义研究协议,要求先做文献检索(使用 OpenAlex API)、陈述可证伪假设、明确自变量/因变量/对照/评估指标、编写可复现代码(设置随机种子、记录所有超参数)、运行统计检验并报告置信区间、诚实报告负面结果与局限、不伪造数据。

使用方式:资料给出的工作流分为四阶段。文献综述阶段用引导式提示检索并综述论文,产出论文/方法/数据集/关键结果表格,识别研究空白。实验设计阶段以结构化字典定义假设、变量、对照、数据集、基线、指标、统计检验与随机种子次数。实现与执行阶段按迭代模式编写带单元测试的模型代码和训练循环,先小规模验证再跑完整实验,结果保存到 results/ 目录(config.json、metrics.csv、figures/、checkpoints/)。分析与论文阶段计算均值±标准差、做显著性检验、生成出版级图表并撰写含引言、相关工作、方法、实验、结论的 LaTeX 论文,并用 OpenAlex/CrossRef 核验引用真实性。可用工具包括 Python 3.11+ 及 PyTorch、NumPy、SciPy,LaTeX(pdflatex + bibtex),OpenAlex API,可选 W&B 实验追踪。

适用场景:ML 实验自动化(假设→实验→论文)、消融研究、基线复现与比较、加速研究、以及用 AI 演示科学方法的教学。

限制与安全:设有护栏——不得伪造或操纵实验数据,须报告全部结果含负面结果,明确承认局限,引用须经真实数据库核验,须包含算力成本与环境影响,结果不确定时须标注,提交前需人工审查。具体安装命令、定价或平台支持等资料未提供。