SciToolAgent: eine Intelligenz, die mehr als 500 Forschungswerkzeuge integriert, um Forschungs- und wissenschaftliche Aufgaben zu automatisieren

Allgemeine Einführung

SciToolAgent ist eine Open-Source-Werkzeugplattform, die vom Innovationszentrum der Universität Zhejiang in Hangzhou (HICAI-ZJU) entwickelt wurde. Sie integriert mehr als 500 wissenschaftliche Werkzeuge durch Wissensgraphen (SciToolKG) und Big-Language-Modellierungstechnologien, um Forschern bei der Lösung von Problemen in den Bereichen Biologie, Chemie, Materialwissenschaft usw. zu helfen. Die Hauptanwendung dieses Tools ist die Automatisierung wissenschaftlicher Aufgaben, wie Datenverarbeitung, molekulare Modellierung oder Literaturanalyse, und schließlich die Generierung spezifischer Ergebnisse, wie analytische Diagramme, Berechnungsergebnisse oder zusammenfassende Berichte. Die Plattform wird kostenlos auf GitHub gehostet und kann lokal oder über einen Online-Dienst eingesetzt werden, wodurch sie sich besonders für Forschungsteams eignet, die schnell Ergebnisse erzielen müssen.

Funktionsliste

• Integration von WerkzeugenVerbindung zu mehr als 500 Tools zur Bearbeitung von Daten, Modellierungs- oder Berechnungsaufgaben.
• Knowledge Graph-EmpfehlungenEmpfehlung der richtigen Kombination von Werkzeugen je nach den Anforderungen der jeweiligen Aufgabe.
• Automatisierung von AufgabenSparen Sie Zeit durch die automatische Planung und Ausführung von Rechercheprozessen.
• Erzeugung von ErgebnissenAusgabe spezifischer Ergebnisse wie Diagramme, Berichte oder Berechnungen.
• SicherheitsüberwachungSicherstellen, dass das Tool sicher läuft und keine fehlerhaften Ergebnisse liefert.
• Benutzerdefinierte ErweiterungenUnterstützung der Hinzufügung neuer Instrumente, um personalisierte Ergebnisse zu erzielen.

Hilfe verwenden

Ablauf der Installation

SciToolAgent erfordert eine lokale Installation, um voll funktionsfähig zu sein. Die Schritte sind wie folgt:

1. das Herunterladen des Quellcodes

• Geben Sie ihn in das Terminal ein:

git clone https://github.com/HICAI-ZJU/SciToolAgent.git
cd SciToolAgent

2. die Schaffung von virtuellen Umgebungen

• Schaffen und aktivieren Sie die Umgebung:

conda create -n SciToolAgent python=3.10
conda aktivieren SciToolAgent

3. die Installation von Abhängigkeiten

• Installieren Sie die vollständige Abhängigkeit:

pip install -r anforderungen.txt

• Oder installieren Sie die Lite-Version:

pip install -r anforderung_agent.txt

4. die Konfigurationsumgebung

• Kopieren und bearbeiten .env Dokumentation:

OPENAI_API_BASE = deine_api_basis
OPENAI_API_KEY = ihr_api_schlüssel

5. die Aktivierung von Diensten

• gehen in Werkzeuge Katalog, Auflage:

cd tools
bash run.sh

Wie zu verwenden

SciToolAgent kann Ergebnisse ausgeben, indem es entweder lokal läuft oder sie online erlebt.

lokaler Betrieb

• Neue Dienste: Lauf bash run.sh Danach ist der Dienst vor Ort in Bereitschaft.
• betreiben.: Zugang Test Verzeichnis, führen Sie das Testskript aus:

cd ... /test
PYTHONPATH=. python test_ausführen_SciToolAgent.py

• Ergebnisse anzeigenNach Abschluss der Aufgabe werden die Ergebnisse in der Datei tools/TempFileswie Diagramme oder Berichte.
• Betriebsfall: Wurzelverzeichnis Fälle.ipynb Vier Beispiele werden zur Verfügung gestellt und können direkt ausgeführt werden, um die Ausgabe zu sehen.

Online-Erfahrung

• Zugang zu Online-Diensten:
  http://scitoolagent.scimind.ai:8080/
• Geben Sie eine Aufgabe ein (z. B. "Analysieren Sie molekulare Daten") und erhalten Sie innerhalb von Sekunden nach der Eingabe einfache Ergebnisse.
• Die Online-Version ist für schnelle Tests geeignet, komplexe Ergebnisse müssen lokal ausgeführt werden.

Ausgewählte Funktionen Bedienung Ablauf

1. die Datenanalyse und die Ausgabe von Diagrammen

• verwenden.Verarbeitung von Daten und Erstellung von Visualisierungen.
• umziehen::

1. Um eine Datendatei zu konvertieren (z.B. .csv(Berechnen) setzen (in) tools/DataFiles.
2. Befehl ausführen:

python scripts/run_agent.py --input "tools/DataFiles/sample.csv" --task "Datenanalyse und Visualisierung"

3. Sonde tools/TempFilesIm Folgenden finden Sie einige Beispiele für Diagramme und Analysen, die zur Erstellung der Ergebnisse verwendet werden können.

2. molekulare Modellierung zur Erstellung von Berechnungen

• verwenden.Analysiert molekulare Strukturen und gibt berechnete Daten aus.
• umziehen::

1. Vorbereiten von molekularen Dokumenten (z.B. .cif), setzen Sie die tools/DataFiles.
2. Tools aufrufen:

from tools.ToolsFuns import molecular_analysis
Ergebnis = molekulare_Analyse("tools/DataFiles/Eingabedatei.cif")
Ergebnis = molecular_analysis("tools/DataFiles/Eingabedatei.cif")

3. Die Ausgabeergebnisse sind molekulare Parameter oder Modelldaten, die unter dem angegebenen Pfad gespeichert werden.

3. automatisierte Erstellung von wissenschaftlichen Berichten

• verwenden.Integrieren Sie mehrere Tools, um vollständige Berichte zu erstellen.
• umziehen::

1. Geben Sie die Aufgabenbeschreibung und die Datendatei ein:

   python scripts/run_agent.py --input "tools/DataFiles/sample.pdf" --task "Literatur analysieren und Bericht erstellen"
   

2. Das System ruft das Tool automatisch auf, verarbeitet die Literatur und erstellt eine Zusammenfassung.
3. Der Bericht wird aufbewahrt im tools/TempFilesDas Format ist Text oder PDF.

caveat

• Für den lokalen Betrieb sind 16 GB Arbeitsspeicher und ein stabiles Netzwerk erforderlich, um den erfolgreichen Abschluss komplexer Aufgaben zu gewährleisten.
• Die Online-Version eignet sich für einfache Ergebnisse, während die lokale Bereitstellung für große Datenmengen empfohlen wird.
• Regelmäßige Reinigung tools/TempFilesum nicht zu viel Platz zu beanspruchen.