yogsoth-ai/de-anthropocentric-research-engine

解決的問題

DARE 是一個旨在消除科學發現中「人為瓶頸」的自主研究編排系統。它超越了簡單的 AI 助手，作為主要研究者自主搜尋文獻、識別研究缺口、生成並壓力測試假設、設計實驗，而無需持續的人類指導。

工作原理

該系統採用「純技能」架構，由超過 900 個基於 Markdown 的指令集（技能）組成，由 Claude Code (CC) 執行。它避免固定流水線，採用「武器庫」方法，AI 根據研究的當前狀態自主決定調用哪些研究包以及調用順序。

它使用嚴格的四層命令層級來組織操作：

• 戰役：高階研究階段（如知識獲取、壓力測試），具有明確的完成和回溯條件。
• 策略：迭代引擎，管理循環（如搜尋-閱讀-反思），並決定何時停止。
• 戰術：將多個原子操作組合成連貫輸出的工作流。
• SOP：原子性、單一責任的操作，透過 MCP 伺服器與外部工具互動（如 Semantic Scholar、Brave Search）。

適用對象

專為希望自動化發現過程的研究人員和科學家設計，從初始方向的凝練到可執行研究規範的生成。

主要亮點

• 自主發現研究缺口：採用 15+ 種方法識別領域缺失的內容，而不仅仅是搜尋已知關鍵字。
• 豐富的創意工具包：包含 31+ 種方法，如 SCAMPER、TRIZ 和仿生學，用於假設生成。
• 對抗性壓力測試：透過多視角攻擊和「神聖牛狩獵」在採納前驗證想法。
• 可執行的研究規範：生成機器可讀文件，包含量化完成標準和自動會話恢復功能。
• MCP 集成：連接 7 個外部伺服器，包括 Semantic Scholar 和 AlphaXiv，實現深度學術數據獲取。