这个工具提供了哪些能力
点开任一能力，看清怎么用
每个能力展开后是三件事：它会给你什么、你需要准备什么、哪些必须由你把关。
常见场景：有一个高层研究主题，希望自动生成候选研究方向并评估可行性；需要自动化执行多组实验探索并自动记录结果与指标；希望将实验数据自动汇总为论文草稿和图表；需要对生成论文做自动评审和图文一致性复核
帮你为选中的研究想法搭好实验现场：它把一条想法整理成独立的实验目录，写好想法说明和本次运行的专属配置，然后交给实验执行环节开工。
它会给你什么
- 一份想法说明文档。
- 一份想法结构化记录。
- 一份本次运行的专属配置文件。
你需要准备
- 存放研究想法的清单文件。
- 指定要运行哪一条想法。
- 可选的配套代码文件，与想法清单同名。
由你把关
- 是否允许加载并运行那个配套代码文件，由你决定。
- 是否允许引用 HuggingFace 上的数据集，由你决定。
- 配置里选用的模型和预估花费是否可接受，由你决定。
帮你从一个大方向批量想出研究点子：给它一份写清主题的文档，它会生成一批结构化的研究想法，并要求在定稿前至少查一次学术文献库，供后续流程挑选执行。
它会给你什么
- 一份研究想法清单文件。
- 每条想法的结构化字段记录。
- 供后续实验流程读取的输入文件。
你需要准备
- 一份写明研究主题的文档。
- 所用的大模型名称，须在系统支持列表内。
- 最多生成多少份研究计划。
由你把关
- 研究主题的范围是否足够明确，由你核对。
- 想法里列的相关工作是否真的来自文献搜索，由你核对。
- 想法是否适合交给系统自动做实验，由你核对。
帮你自动探索怎么做实验：它把一个研究想法展开成一棵实验树，分四个阶段自动写计划、跑代码、读指标、挑选更有希望的方向继续深入，不再依赖人工写死的实验脚本。
它会给你什么
- 每阶段的实验摘要文件。
- 整棵实验树的结构记录。
- 过程日志存档。
你需要准备
- 一份想法记录，写明研究题目、描述、实验目标和约束。
- 一份配置文件，写明各角色、搜索、执行、模型和工作目录设置。
- 代码、数据、基础目录和实验工作目录的位置。
由你把关
- 四个阶段的划分是否切合你的研究任务，由你核对。
- 所选指标是否真的代表你的研究目标，由你核对。
- 最优方案是否需要你复核后再进入下一阶段，由你决定。
帮你把零散的实验结果汇成论文要用的最终图表：它由大模型根据各阶段摘要和数据文件写汇总脚本，把散落各处的运行结果拼成一张张最终图像。
它会给你什么
- 一份图表汇总脚本。
- 运行输出和报错记录。
- 论文可用的最终图像文件。
你需要准备
- 各阶段的实验摘要。
- 实验输出目录里的数据文件和图像文件。
- 一份实验数据文件，或同等格式。
由你把关
- 最终图表是否真的由真实数据生成，由你核对。
- 图表的变量、轴名和样本数是否能追溯出处，由你核对。
- 汇总脚本读取的是不是正确的数据文件，由你核对。
帮你把实验成果写成可传播的论文：它组织实验摘要、最终图表和想法生成论文草稿，检索并整理参考文献，经过排版编译和反思修订，最后产出 PDF。
它会给你什么
- 论文的排版源文件。
- 参考文献引文文件。
- 论文 PDF 草稿和修订后的 PDF。
你需要准备
- 研究想法记录。
- 实验摘要、各阶段摘要和最终图表。
- 论文模板和目标会议的格式要求。
由你把关
- 每条引用是否真实存在并支撑正文说法，由你核对。
- 论文是否按要求显著声明由机器生成、使用了 The AI Scientist，由你核对。
- 图表是否来自真实实验数据，由你核对。
帮你把每个实验方案真正跑出结果：它执行方案对应的代码，记录运行输出和报错，提取实验指标、生成图像，并让模型看图给反馈，写回实验树供后续选择和修复。
它会给你什么
- 该方案的运行日志。
- 提取出的实验指标数据。
- 画图脚本和生成的图像文件。
你需要准备
- 当前方案的计划、代码、工作目录和前面的进展。
- 代码运行的执行配置、超时时间和环境设置。
- 指标名称和读取指标的方式或规则。
由你把关
- 指标是否足以代表实验目标，由你核对。
- 图像是否如实呈现运行数据，由你核对。
- 失败的方案是否保留了足够的过程记录可供追查，由你核对。
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。开始前想清楚要用哪个能力、把对应材料备在手边——每张能力卡展开后有具体清单。
第一次直接复制
帮我安装这个库：https://github.com/SakanaAI/AI-Scientist-v2 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。 请先说明许可证和安装风险，等我确认后再安装。
别这样用
这些判断，仍然由你负责
- 直接信任LLM生成的研究想法质量而不做人工复核，低质量想法浪费实验资源
- 忽略许可证要求，传播生成论文时未显著披露机器生成身份
- 依赖单一metric排序最优节点，忽略无法被数值化的研究质量维度
- 让图表聚合脚本猜测数据文件结构而不提供schema，导致生成看似合理但错误的图表
技术依据
查看能力拆解、验证范围与来源
技术依据
查看能力拆解、验证范围与来源
处理机制
- 01
tree search状态对象与目录链路
这个机制解释 AI-Scientist-v2 如何把 idea、BFTS 配置、workspace、stage、agent、journal、node、summary 和 final artifacts 串成一条可审计的状态链。它支撑装配、tree search、节点执行和图表聚合四张能力卡。
- 02
论文产物质量门与反思链
这个机制解释 AI-Scientist-v2 如何把实验摘要、最终图表、引用、LaTeX、PDF、LLM review 和 VLM review 串成论文产物质量门。它支撑图表聚合、写作编译和论文评审三张能力卡。
- 03
运行安全与外部服务边界
这个机制解释 AI-Scientist-v2 的运行风险来自哪里：LLM 写代码、子进程执行、多 worker、GPU、进程清理、外部模型 API、Semantic Scholar、VLM、LaTeX、PDF 工具和自定义许可证。它支撑本来源全部能力卡的运行边界判断。
已核对范围
- 读取 launchscientistbfts.py 的 CLI 参数、idea 读取、目录创建、code 和 dataset reference 注入
- 读取 bftsutils.py 的 idea Markdown 转换和 BFTS 配置重写
- 读取 bftsconfig.yaml 的 workspace、log、agent、search 和模型参数
- 读取 README 的 ideation 入口、参数和输出说明
- 读取 performideationtempfree.py 的工具调用、反思、JSON 解析和归档逻辑
- 读取 semanticscholar.py 的请求、排序和失败返回逻辑
- 读取 BFTS 主入口、AgentManager 阶段管理和 ParallelAgent 节点扩展代码
- 读取 journal 节点状态、summary 生成和 stage transition 逻辑
仍待核对
- 未实际创建 experiments 目录
- 未运行 BFTS
- 未验证 loadcode 与 adddatasetref 的组合效果
- 未调用真实 LLM
- 未调用 Semantic Scholar API
- 未验证 idea 质量、新颖性判断或 JSON 稳定性
- 未运行 tree search
- 未调用 LLM 生成实验计划
读取版本
96bd51617cfdbb494a9fc283af00fe090edfae48许可
AI-Scientist-Source-Code-License-1.0
最近核对
内容 2026-06-16
Stars 2026-07-11
相关文章
具备相关能力的其他库
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。