bo老师
开源仓库SamuelSchmidgall/AgentLaboratory5,741 Stars

Agent Laboratory

用多Agent自动完成文献检索、实验代码生成和论文写作的研究流水线

适合希望用AI Agent自动化计算研究全流程的研究者。用YAML配置研究主题和模型后，多个Agent依次完成文献检查、方案规划、代码实验、论文撰写和评审回环，支持人工确认节点。

bo老师判断：值得观察

方向值得关注，建议先确认当前任务是否真正需要它。

访问原仓库查看分享卡
...互动状态已更新

什么时候用

先判断任务是否合适

  • 需要自动化文献检索、实验代码生成和论文初稿撰写的完整科研流程
  • 想快速探索一个研究方向，用多Agent协作生成实验代码并评分迭代
  • 需要将实验结果自动编排为结构化的LaTeX论文，含评审和改进回环
  • 希望原型化研究想法，通过可选的人工审核门控制自动化程度

先准备什么

材料越清楚，结果越有用

  • •一个YAML配置文件，指定研究主题、LLM模型和工作流参数
  • •OpenAI或DeepSeek API密钥，确保有足够额度支撑多阶段LLM调用
  • •Python环境，包含PyTorch、HuggingFace datasets和sentence-transformers
  • •可选：LaTeX发行版（pdflatex）以生成编译后的PDF论文

它会怎样推进

从材料到可以检查的结果

  1. 01

    配置与启动

    在YAML中定义研究主题、模型和预算，启动流水线脚本

  2. 02

    文献检索

    PhD Agent搜索arXiv、下载PDF并筛选论文，直至达到目标数量

  3. 03

    方案规划

    Postdoc和PhD Agent通过对话协作生成研究方案，提交人工确认

  4. 04

    运行实验

    MLESolver迭代生成、执行和评分实验代码，保留最优版本

  5. 05

    撰写论文

    PaperSolver逐章填充LaTeX框架，编译并通过LLM评分

  6. 06

    评审与回环

    三位评审Agent打分；根据分数决定结束或回到规划阶段重新开始

第一次这样开始

把仓库地址直接交给 AI

先让 AI 说明环境和风险，再完成最小安装验证。跑通以后，再把自己的真实材料放进去。

第一次直接复制

帮我安装这个库：https://github.com/SamuelSchmidgall/AgentLaboratory
安装前先告诉我需要什么环境，安装后帮我跑通一个最小示例。

结果出来后

先看这些检查点

  • 检查文献综述是否覆盖了相关论文，而非仅仅搜索arXiv首页结果
  • 验证实验代码能正常运行，输出的结果与论文中的主张一致
  • 逐一核对论文引用是否真实存在且与正文内容匹配
  • 确认评审回环未导致实验代码或论文质量退化

常见误区

这些判断仍由你负责

  • 不设置API调用预算上限就运行流水线，多Agent循环可能导致高额费用
  • 信任LLM生成的实验代码而不做人工代码审查就直接采用结果
  • 未核实自动生成的引用文献是否存在，直接提交包含幻觉引用的论文
  • 让工具在修订回环中无限制循环，未设定最大步骤数

技术依据

查看能力拆解、验证范围与来源

能力地图6 项已拆解能力
  1. 01

    AgentRxiv本地论文共享检索

    在本地启动一个 AgentRxiv Flask 服务，把上传或自动生成的 PDF 抽取成文本并存入 SQLite，再用 sentence transformer embedding 做相似度搜索，让后续 agent 在文献综述阶段检索其他 agent 产出的论文全文和摘要。

  2. 02

    HuggingFace数据准备与提交

    让 ML engineer 和 software engineer 围绕研究计划协作，必要时搜索 HuggingFace 数据集，逐步执行候选数据准备代码，直到 software engineer 提交通过执行检查的最终 loaddata.py。

  3. 03

    arXiv文献检索与综述归档

    让 PhD agent 围绕研究主题反复发出 SUMMARY、FULLTEXT 和 ADDPAPER 命令，从 arXiv 搜索摘要、读取论文全文、选择相关论文，并把达到数量阈值的论文摘要整理成后续计划阶段可用的文献综述。

  4. 04

    实验代码生成修复与评分

    把数据准备代码、研究计划和文献洞察交给 MLESolver，让模型用 REPLACE 或 EDIT 生成实验代码，先运行代码，再用 LLM reward model 给代码与输出打分，保留最高分代码并写入实验目录。

能力主要输入主要输出人工检查

AgentRxiv本地论文共享检索

源码已核对

  • agentRxiv 配置开关。
  • uploads/ 目录中的 PDF。
  • 写作阶段生成的 <labdir/tex/temp.pdf。
  • uploads/<title.pdf
  • SQLite Paper 记录。
  • AgentRxiv 搜索候选文本。
  • 是否允许生成 PDF 进入共享库。
  • 是否要过滤低质量或未完成论文。
  • 是否允许后续 agent 引用 agent 生成论文。

HuggingFace数据准备与提交

源码已核对

  • 研究计划 self.plan。
  • 文献综述 litreviewsum。
  • 数据准备 notes。
  • <labdir/src/loaddata.py
  • self.datasetcode
  • 后续实验代码生成阶段的固定前置代码。
  • 数据集是否适配研究问题。
  • 数据许可证和使用限制。
  • 是否允许执行数据准备代码。

arXiv文献检索与综述归档

源码已核对

  • 研究主题 researchtopic。
  • PhD agent 当前历史、phase notes 和已有 litreview。
  • arXiv 搜索 query。
  • self.phd.litreview
  • self.referencepapers
  • litreviewsum
  • 论文是否确实相关。
  • 摘要是否准确反映全文。
  • 检索 query 是否覆盖研究主题关键同义词。

实验代码生成修复与评分

源码已核对

  • datasetcode
  • plan
  • litreviewsum
  • <labdir/src/runexperiments.py
  • <labdir/src/experimentoutput.log
  • self.resultscode
  • 是否允许执行模型生成代码。
  • reward 分数是否可信。
  • 输出是否真实覆盖计划中的实验。

研究计划协作生成

源码已核对

  • litreviewsum
  • researchtopic
  • task-notes 中的 plan-formulation 条目。
  • self.plan
  • 所有 agent 的 plan 属性。
  • 数据准备、实验、结果解释和论文写作的共享上下文。
  • 计划是否符合研究主题。
  • 数据、模型、指标、baseline 和预算是否完整。
  • 是否允许自由文本计划进入自动代码生成。

论文写作与LaTeX产物生成

源码已核对

  • self.phd.plan
  • self.phd.resultscode
  • self.phd.expresults
  • <labdir/tex/temp.tex
  • <labdir/tex/temp.pdf
  • <labdir/report.txt
  • 论文是否准确反映实验。
  • 引用是否支持正文主张。
  • PDF 是否可传播。

处理机制

  1. 01

    运行文件合同与外部依赖边界

    这个机制解释 AgentLaboratory 的运行文件、目录、外部 API、代码执行、LaTeX 编译和 AgentRxiv 服务如何共同构成复现边界。它跨越配置调度、数据准备、实验代码、论文写作和 AgentRxiv 本地共享能力。

  2. 02

    阶段命令协议与状态记忆

    这个机制解释 AgentLaboratory 如何用单命令协议、agent history、phase status、过期上下文和 pickle checkpoint 串联多阶段研究流程。它支撑配置调度、文献综述、计划、数据准备、实验、论文写作和评审回环多张能力卡。

已核对范围

  • 读取 AgentRxiv 类的本地 Flask server 启动、搜索和 PDF 缓存逻辑
  • 读取 app.py 的 PDF 上传、SQLite 入库、embedding 搜索和 API 返回
  • 读取 literaturereview 和 reportwriting 中的 AgentRxiv 接入点
  • 读取 HFDataSearch 的数据集检索、过滤和评分逻辑
  • 读取 SWEngineerAgent 与 MLEngineerAgent 的 data preparation 命令协议
  • 读取 LaboratoryWorkflow.datapreparation 的代码执行、SEARCHHF 和 SUBMITCODE 分支
  • 读取 PhDStudentAgent 的文献命令协议
  • 读取 LaboratoryWorkflow.literaturereview 的 SUMMARY、FULLTEXT 和 ADDPAPER 分支

仍待核对

  • 未启动 Flask server
  • 未上传 PDF
  • 未下载 sentence transformer 模型
  • 未验证并行 lab 的 AgentRxiv 路径
  • 未下载 HuggingFace dataset 索引
  • 未运行模型生成的数据准备代码
  • 未验证代码安全隔离
  • 未验证真实 MATH 数据加载

读取版本

d9017d90e329112d2a80b7712f37ee9094d2cd27

许可

MIT

最近核对

内容 2026-06-16
Stars 2026-07-11

已完成源码核对

相关文章

科研之我见

AI 可以参与科研的哪些环节？一张 11 环节工作流全景图

从选题、文献、理论、数据到投稿，逐环节判断 AI 可以主导、需要人工校验和必须由研究者把关的工作。

查看内容

具备相关能力的其他库

文献 · 验证

paper-qa

从本地论文和文档中检索证据并生成带精确引用的科研答案

查看内容

文献 · 分析 · 写作

grobid

把学术论文PDF解析成结构化TEI XML，提取元数据、全文结构和参考文献

查看内容

设计 · 分析 · 验证

CausalPy

用贝叶斯方法做准实验因果推断，含10+方法和稳健性诊断套件

查看内容

相关课程

把单项工具放进完整研究设计流程

课程一从研究问题、文献判断、理论假设和方法骨架继续推进，帮助你建立可以复用的研究设计档案。

查看课程一