yogsoth-ai/de-anthropocentric-research-engine

해결하는 문제

DARE는 과학적 발견에서 "인간의 병목 현상"을 제거하기 위해 설계된 자율적인 연구 오케스트레이션 시스템입니다. 단순한 AI 어시스턴트를 넘어서, 지속적인 인간의 지도 없이도 자율적으로 문헌을 검색하고, 연구 격차를 식별하며, 가설을 생성하고 스트레스 테스트하며 실험을 설계하는 주요 연구자로서 작동합니다.

작동 방식

이 시스템은 Claude Code (CC)에 의해 실행되는 900개 이상의 마크다운 기반 지침 세트(스킬)로 구성된 "순수 기술" 아키텍처로 작동합니다. 고정된 파이프라인을 피하고, 연구의 현재 상태에 따라 AI가 어떤 연구 패키지를 호출하고 어떤 순서로 실행할지 결정하는 "무기고" 접근 방식을 채택합니다.

엄격한 4단계 명령 계층을 사용하여 운영을 조직화합니다:

• 캠페인: 지식 획득, 스트레스 테스트 등 고수준의 연구 단계로, 완료 및 백트래킹 조건이 정의되어 있습니다.
• 전략: 반복 엔진으로, 검색-읽기-반성과 같은 루프를 관리하고 언제 중단할지 결정합니다.
• 전술: 여러 원자적 작업을 결합하여 일관된 출력을 생성하는 워크플로우입니다.
• SOP: 외부 도구와 MCP 서버를 통해 인터페이스하는 원자적이고 단일 책임의 작업(예: Semantic Scholar, Brave Search).

대상 사용자

초기 방향성의 명확화부터 실행 가능한 연구 사양의 생성까지, 발견 프로세스를 자동화하고 싶은 연구자와 과학자에게 적합합니다.

주요 특징

• 자율적 격차 탐지: 기존 키워드 검색을 넘어서, 분야가 무엇을 빠뜨리고 있는지 15가지 이상의 방법으로 탐지합니다.
• 풍부한 아이디어 창출 툴킷: SCAMPER, TRIZ, 생물모방 등 31가지 이상의 방법을 포함하여 가설 생성에 활용합니다.
• 적대적 스트레스 테스트: 다각적 공격과 "신성한 소 목격"을 통해 아이디어를 수용하기 전에 검증합니다.
• 실행 가능한 연구 사양: 정량화된 완료 기준과 자동 세션 복구 기능을 갖춘 기계가 읽을 수 있는 문서를 생성합니다.
• MCP 통합: Semantic Scholar 및 AlphaXiv를 포함한 7개의 외부 서버에 연결하여 깊이 있는 학술 데이터 수집을 가능하게 합니다.