mikamikasuki/forest

它解决了什么问题

FOREST 解决了“长周期研究偏离”问题，即在复杂的科研项目中，自主智能体可能会忘记最初的目标，或者随着时间的推移产生累积性错误。它不再依赖于容易变得混乱或不可靠的简单线性聊天记录，而是将研究管理为结构化、持久且可编辑的图。

工作原理

FOREST 将你的研究表示为连接节点的图，包括假设、实验、结果和论文章节。你提供研究问题和预算，智能体利用该图进行规划、执行代码、分析数据并优化其方法。由于状态存储在图中而不仅仅是对话中，你可以随时介入以编辑计划、分支到新的方向或纠正假设，而无需重新启动整个过程。系统将智能体的输出视为提案，在最终形成论文之前，必须通过执行代码和证据进行验证。

适用人群

它专为希望自动化科研工作流的研究人员和开发者设计——从文献综述和假设检验到生成图表和撰写论文——同时在研究过程中保持完全的控制力和可追溯性。

亮点

• 可编辑的研究图谱： 保持所有想法、实验和结果的连接和可修改性，防止上下文丢失。
• 基于证据的工作流： 确保科学主张与实际的实验数据和代码执行挂钩，而不仅仅是说服性的文本。
• 自主或手动控制： 提供多种模式，允许你自主运行智能体、在辅助模式下工作，或手动指导特定任务。
• 完整的论文生成： 自动将实验结果、图表和表格汇编成一份完整、可追溯的科研论文。
• 预算和约束管理： 跟踪计算、时间和模型使用情况，将研究保持在定义的限制内。