EvoScientist/EvoSkills

해결하는 문제

EvoSkills는 AI 에이전트(특히 EvoScientist)에 학술 연구 전 주기의 도메인 특화 전문 지식을 확장하기 위한 설치 가능한 지식 팩의 포괄적인 세트를 제공합니다. 일반 목적의 코딩 에이전트를 초기 아이디어 도출, 문헌 조사부터 실험 실행, 논문 작성, 동료 검토 대응까지 처리할 수 있는 전문 과학 연구자로 변환합니다.

작동 방식

이 프로젝트는 skills.sh 프레임워크나 명령어를 통해 에이전트에 설치할 수 있는 "스킬"의 라이브러리로 작동합니다. 이러한 스킬은 특정 연구 작업을 위한 구조적이고 다단계 워크플로우를 구현합니다. 예를 들어, research-ideation 스킬은 성격 기반 정밀화와 엘로 토너먼트 랭킹을 사용하여 최고의 연구 아이디어를 선정하고, experiment-pipeline은 시도 예산을 엄격히 지키는 4단계 실행 프레임워크를 강제합니다.

시스템의 핵심은 evo-memory로, 연구 사이클에 걸쳐 성공과 실패한 방향성을 추적하는 지속 가능한 연구 메모리 계층으로, 에이전트가 시간이 지남에 따라 전략을 진화할 수 있도록 합니다.

대상 사용자

• AI 연구자: AI 에이전트를 사용하여 과학적 탐구 과정을 자동화하거나 보완하고자 하는 사람.
• 코딩 에이전트 사용자: Claude Code, Cursor, Gemini CLI 사용자로서 도구에 학술 연구 기능을 추가하고자 하는 사람.
• 학술 저자: 논문 기획, 초안 작성, 반론 대응 과정에서 구조적 지원이 필요한 연구자.

주요 특징

• 엔드투엔드 연구 파이프라인: 아이디어 도출, 계획 수립, 실험, 작성, 검토를 모두 커버.
• 자기 진화: evo-memory를 사용해 재사용 가능한 패턴을 추출하고 과거 실수를 반복하지 않음.
• 엄격한 실험: 시도 예산을 엄격히 지키는 4단계 파이프라인과 구조화된 로깅을 구현.
• 학술 도구: 출판용 Matplotlib 그래프, Mermaid 기반 연구 연혁 맵, LaTeX 논문 초안 작성 도구 포함.
• 수학적 엄격성: 타오 스타일의 올림피아드 증명 워크플로우와 정교하게 조정된 기각(abstention) 기능으로 "허구적" 증명을 방지.