yogsoth-ai/de-anthropocentric-research-engine

何を解決するか

DARE は、科学的発見における「人間のボトルネック」を排除する自律的な研究オーケストレーションシステムです。単なるAIアシスタントを越えて、人間の継続的な指導を必要とせずに、文献の自動検索、研究ギャップの特定、仮説の生成とストレステスト、実験設計を自律的に行う主たる研究者として機能します。

動作方法

このシステムは、Claude Code (CC) によって実行される900以上のMarkdownベースの指示セット（スキル）からなる「純粋なスキル」アーキテクチャとして動作します。固定されたパイプラインを避け、研究の現在の状態に基づいてAIがどの研究パッケージを呼び出し、どの順序で実行するかを決定する「アーセナル」アプローチを採用しています。

厳格な4層構造のコマンド階層を使用して操作を組織化しています：

• キャンペーン: 知識収集、ストレステストなど、高レベルの研究フェーズで、完了条件とバックトラック条件が定義されています。
• 戦略: ループ（例：検索・読解・反省）を管理し、いつ停止するかを決定する反復エンジンです。
• 戦術: 複数の原子的操作を組み合わせて一貫した出力を生成するワークフローです。
• SOP: 外部ツールとMCPサーバーを介してインターフェースする原子的で単一責任を持つ操作（例：Semantic Scholar、Brave Search）。

対象ユーザー

初期の方向性の明確化から実行可能な研究仕様の生成まで、発見プロセスを自動化したい研究者や科学者に向けられています。

主な特徴

• 自律的ギャップ発見: 既知のキーワード検索にとどまらず、分野が何を欠いているかを15種類以上の方法で発見します。
• 広範なアイデア創出ツールキット: SCAMPER、TRIZ、バイオミミクリーなど31種類以上の方法を含み、仮説生成に活用できます。
• 敵対的ストレステスト: 複数の視点からの攻撃と「神聖な牛狩り」により、受け入れる前にアイデアを検証します。
• 実行可能な研究仕様: 完了基準を数値化し、自動セッション復旧が可能な機械可読ドキュメントを生成します。
• MCP統合: Semantic ScholarやAlphaXivを含む7つの外部サーバーに接続し、深い学術データ取得を実現します。