jimmc414/Kosmos
Kosmos: An AI Scientist for Autonomous Discovery - An implementation and adaptation to be driven by Claude Code or API - Based on the Kosmos AI Paper - https://arxiv.org/abs/2511.02824
解决的问题
Kosmos 是一个旨在自动化科学发现过程的自主 AI 科学家。它解决了综合大量科学文献与数据以生成可测试假设、设计实验并验证结果的挑战，且无需持续的人工干预。
运作方式
该系统通过由研究总监（Research Director）协调的自主研究循环运作。它采用多代理架构，由专门的代理处理研究过程的不同阶段：
- 假设生成：根据文献和数据建立可测试的理论。
- 实验设计：开发测试这些假设的协议。
- 执行：在隔离的 Docker 容器中运行 AI 生成的代码（Python 和 R），以确保安全。
- 文献分析：与 ArXiv、PubMed 和 Semantic Scholar 整合以综合论文。
- 验证：使用“ScholarEval”8 维度质量框架来验证发现。
- 知识管理：利用分层上下文压缩系统（20:1 比例）处理大量文本，并可选用 Neo4j 知识图谱来追踪概念关系。
目标受众
希望自动化文献回顾、假设生成和数据分析的研究人员与科学家，以及对复杂科学工作流程的自主代理框架感兴趣的开发者。
特色亮点
- 沙盒执行：在受限的 Docker 容器中运行代码，无网络访问且资源受限，以确保安全。
- 分层压缩：通过分层摘要浓缩信息，处理数千篇论文。
- 多 LLM 支持：兼容于 Anthropic、OpenAI 和 LiteLLM（支持超过 100 个提供商）。
- 预算控制：内置成本追踪与执行机制，防止意外的 API 费用。
- 全面工具集：包含用于交互式研究的 CLI、代理活动的实时流以及诊断工具。
相关
- 项目
- 项目
- 项目
- 项目