AIパーソナル・ラーニング
と実践的なガイダンス
豆包Marscode1

AgentLaboratory: 知的エージェントによる科学研究の全プロセスを完了するオープンソースツール

はじめに

AgentLaboratoryは、Samuel Schmidgall氏によって開発された、GitHubでホストされているオープンソースツールです。大規模言語モデル(LLM)によって駆動されるインテリジェントエージェントを使用し、文献レビュー、実験デザイン、レポート作成を含む科学研究の全プロセスにおいて研究者を支援する。このツールの目的は、研究をより効率的にすることであり、人間の創造性を置き換えることではない。ユーザーが研究アイデアを入力すると、論文の検索やコードの生成といった繰り返し作業を自動化する。学術研究者、学生、エンジニアに適している。このプロジェクトは多言語のドキュメントをサポートしており、最終更新は2025年3月で、エージェント同士が研究結果を共有できるAgentRxivフレームワークが追加された。

AgentLaboratory:利用智能代理完成科研全流程的开源工具-1


 

機能一覧

  • 文献レビューarXivなどのデータベースから論文を自動的に収集し、関連するコンテンツを整理します。
  • 実験デザイン研究計画と実行可能なPythonコードを生成する。
  • レポート作成研究結果をLaTeX形式に変換し、完全な報告書を作成します。
  • AgentRxivフレームワーク共同研究の進捗のために研究結果をアップロードし、アクセスするエージェントをサポートします。
  • コパイロット・モードスイッチを入れると、ツールはリアルタイムでユーザーと対話し、研究を調整する。
  • 多言語サポート中国語、英語、その他の言語によるドキュメンテーションとオペレーターインターフェイスを提供します。

 

ヘルプの使用

AgentLaboratoryのインストールと使用には、いくつかの基本的な手順が必要ですが、簡単に行うことができます。以下にインストール方法と使用方法を詳しく説明しますので、すぐに使い始めることができます。

設置プロセス

  1. プロジェクトコードのダウンロード
    ターミナルを開き、以下のコマンドを入力してコード・ベースをクローンする:
git clone git@github.com:SamuelSchmidgall/AgentLaboratory.git

ダウンロードが完了すると AgentLaboratory フォルダー

  1. Python環境の作成
    プロジェクトフォルダに移動し、仮想環境を作成してアクティブにします。Python 3.12が公式に推奨されています:
cd AgentLaboratory
python -m venv venv_agent_lab
source venv_agent_lab/bin/activate  # Linux/Mac
venv_agent_lab\Scripts\activate  # Windows

起動すると、端末には次のように表示されます。 (venv_agent_lab).

  1. 依存関係のインストール
    仮想環境で動作する:
pip install -r requirements.txt

これで必要なPythonライブラリがインストールされます。問題が発生した場合は、GitHubのIssuesページをチェックしてください。

  1. pdflatexをインストールする(オプション)
    LaTeX形式でレポートを作成する必要がある場合は、pdflatexをインストールしてください:
sudo apt install pdflatex  # Linux

権限がありませんか?パラメータ <code>--compile-latex "false"</code> このステップはスキップする。

  1. APIキーの設定
    ツールにはOpenAIまたは ディープシーク APIキーを取得する。取得したら、環境変数を設定する:
export OPENAI_API_KEY="你的密钥"  # Linux/Mac
set OPENAI_API_KEY="你的密钥"  # Windows

あるいは、実行時にキーを直接指定する。

ランニングツール

インストールが完了したら、以下のコマンドを実行して起動する:

python ai_lab_repo.py --yaml-location "experiment_configs/MATH_agentlab.yaml"

機械学習の最適化」など、特定のトピックを調査するには、次のように入力する:

python ai_lab_repo.py --api-key "sk-xxx" --llm-backend "gpt-4o" --research-topic "机器学习优化"

ツールは自動的に処理を開始する。

主な機能

  1. 研究テーマを入力する
    起動後、テーマが指定されていない場合、ツールはプロンプトを表示します:
请为 AgentLaboratory 输入一个实验想法:

それを入力してエンターキーを押すと、ツールが動き出す。

  1. 文献レビューを見る
    このツールは、arXivなどのデータベースから論文を収集し、その結果を生成して output のようなフォルダを作成します。 <研究主题>_literature.md.ファイルを開いて内容を見る。
  2. 実験コードを実行する
    ツールは、次のようなパスでPythonコードを生成する。 output/<研究主题>_code.py.走っている:
python output/机器学习优化_code.py

実験結果を見ることができる。

  1. レポートの作成
    実験が完了すると、このツールは以下のパスを持つLaTeXファイルを生成する。 output/<研究主题>_report.tex.pdflatexがインストールされていれば、自動的にPDFにコンパイルされます。
  2. コパイロットモードの使用
    コンパイラ <code>experiment_configs/MATH_agentlab.yaml</code> ファイルを作成する。 copilot-mode として設定した。 trueそして実行する。ツールはリアルタイムであなたの意見を聞く。
  3. AgentRxivの特徴
    実行時にパラメータを追加する <code>--agentrxiv "true"</code>エージェントはその結果をAgentRxivフレームワークにアップロードし、他のエージェントが利用できるようにする。

ヒントとコツ

  • 詳細なメモを書くで <code>ai_lab_repo.py</code> な task_notes_LLM 実験目的やハードウェア情報など、エージェントが要件を理解しやすいようにメモを追加する。
  • モデルを選択の使用 --llm-backend モデルを指定する。 <code>--llm-backend="o1-mini"</code>.などの強力なモデルがある。 o1 結果は良いが、コストがかかる。
  • ローディングの進捗状況中断された場合は、次のようになる。 state_saves フォルダがロードされる前のチェックポイント。
  • 中国オペレーション設定ファイルでの設定 language: "中文"このツールは中国語のコンテンツを生成する。

ほら

  • ネットワークが機能しており、ツールが外部データベースへのアクセスを必要としていることを確認する。
  • ファイルは output フォルダーは、定期的なクリーニングをお勧めします。
  • エラーが発生した場合は、APIキーまたはモデルの設定を確認してください。

これらの手順により、AgentLaboratoryを使用して効率的に調査タスクを完了することができます。

 

アプリケーションシナリオ

  1. エッセイライティング
    リサーチャーがトピックを入力すると、ツールは文献レビューと初稿を生成し、アクセス時間を節約する。
  2. 実験的検証
    エンジニアは実験目標を入力し、ツールはアイデアを素早くテストするためのコードと計画を提供する。
  3. チームワーク
    AgentRxivでは、複数の研究者が結果を共有し、プロジェクトの進捗を加速します。

 

品質保証

  1. プログラミングの経験が必要ですか?
    必須ではありません。ステップ・バイ・ステップでコマンドをコピーして使うだけだ。しかし、Pythonを知っていれば、より柔軟にコードを微調整できる。
  2. 高いですか?
    このプロジェクトは無料だが、API呼び出しには、選んだモデルや使用量に応じて料金がかかる場合がある。
  3. オフラインで使用できますか?
    いいえ。このツールは、データベースとAPIへのネットワークアクセスが必要です。
無断転載を禁じます:チーフAIシェアリングサークル " AgentLaboratory: 知的エージェントによる科学研究の全プロセスを完了するオープンソースツール
ja日本語