yogsoth-ai/de-anthropocentric-research-engine

解决的问题

DARE 是一个旨在消除科学发现中「人为瓶颈」的自主研究编排系统。它超越了简单的 AI 助手，作为主要研究人员自主搜索文献、识别研究空白、生成并压力测试假设、设计实验，而无需持续的人类指导。

工作原理

该系统采用「纯技能」架构，由超过 900 个基于 Markdown 的指令集（技能）组成，由 Claude Code (CC) 执行。它避免固定流水线，采用「武器库」方法，AI 根据研究的当前状态自主决定调用哪些研究包以及调用顺序。

它使用严格的四层命令层级来组织操作：

• 战役：高阶研究阶段（如知识获取、压力测试），具有明确的完成和回溯条件。
• 策略：迭代引擎，管理循环（如搜索-阅读-反思），并决定何时停止。
• 战术：将多个原子操作组合成连贯输出的工作流。
• SOP：原子性、单一职责的操作，通过 MCP 服务器与外部工具交互（如 Semantic Scholar、Brave Search）。

适用人群

专为希望自动化发现过程的研究人员和科学家设计，从初始方向的凝练到可执行研究规范的生成。

主要亮点

• 自主发现研究空白：采用 15+ 种方法识别领域缺失的内容，而不仅仅是搜索已知关键词。
• 丰富的创意工具包：包含 31+ 种方法，如 SCAMPER、TRIZ 和仿生学，用于假设生成。
• 对抗性压力测试：通过多视角攻击和「神圣牛狩猎」在采纳前验证想法。
• 可执行的研究规范：生成机器可读文档，包含量化完成标准和自动会话恢复功能。
• MCP 集成：连接 7 个外部服务器，包括 Semantic Scholar 和 AlphaXiv，实现深度学术数据获取。