EvoScientist/EvoSkills

何を解決するか

EvoSkills は、AIエージェント（特に EvoScientist）に学術研究の全ライフサイクルにわたるドメイン固有の専門知識を拡張するための、インストール可能な知識パックの包括的なセットを提供します。一般用途のコーディングエージェントを、初期のアイデア出しや文献レビューから実験実行、論文執筆、査読対応まで対応可能な専門的な科学研究者へと変革します。

仕組み

このプロジェクトは、skills.shフレームワークやコマンドを通じてエージェントにインストール可能な「スキル」のライブラリとして動作します。これらのスキルは、特定の研究タスク向けの構造的で多段階のワークフローを実装しています。たとえば、research-ideationスキルは、キャラクター駆動の精緻化とEloトーナメントランキングを用いて最適な研究アイデアを選定し、experiment-pipelineは試行回数の予算を厳守する4段階の実行フレームワークを強制します。

システムの中心には、evo-memoryと呼ばれる永続的な研究メモリレイヤーがあり、研究サイクルにわたって成功・失敗した方向性を追跡することで、エージェントが戦略を時間とともに進化させられるようにします。

対象ユーザー

• AI研究者: AIエージェントを用いて科学的発見プロセスを自動化または補完したい方。
• コーディングエージェントユーザー: Claude Code、Cursor、Gemini CLI を使用し、ツールに学術研究機能を追加したい方。
• 学術執筆者: 論文の計画、起草、反論プロセスにおいて構造的な支援が必要な研究者。

特徴

• エンドツーエンドの研究パイプライン: アイデア出し、計画、実験、執筆、レビューをカバー。
• 自己進化: evo-memory を使って再利用可能なパターンを抽出し、過去の失敗を繰り返さない。
• 厳格な実験: 試行回数の予算を厳守する4段階のパイプラインと構造化ログを実装。
• 学術ツール: 公開用のMatplotlib図、Mermaidベースの研究履歴マップ、LaTeX論文起草用の専用ツールを含む。
• 数学的厳密性: タオスタイルのオリンピック証明ワークフローを備え、誤った証明を避けるための適切な放棄（abstention）を調整可能。