概览
SciAgents 探索图谱引导的推理与专用语言模型智能体如何支持生物启发材料研究中的假设构建。该仓库提供两种工作流的 Notebook 实现：一种采用预定义的智能体交互顺序，另一种采用动态协调的自动化框架。这是用于生成和完善研究提案的研究代码，并不能证明所提材料或机制已通过实验验证。自动化实现使用 AG2，该项目也收录于 Build with AG2 专题集合中。
所述工作流从选定关键词或随机图谱探索开始。采样路径提供概念及其关系，供智能体据此构建研究假设。本体专家负责澄清概念，两个科学家角色负责提出并扩展方案，评论者则指出弱点和可能的改进。自动化方案还包括规划者，以及负责检查假设新颖性的助手。结构化 JSON 会记录假设、预期结果、机制、设计原则、意外属性、比较和新颖性；通过逐步扩展，可生成更长的研究草稿，其中包含批判性分析以及建议的建模或实验优先事项。
运行所提供的工作流需要单独的 GraphReasoning 软件包、OpenAI 和 Semantic Scholar API，以及 README 中列出的图谱和嵌入文件。这些依赖说明 SciAgents 并非独立的发现服务。其输出是有待进一步研究的候选方向：新颖性评估、拟议机制和建议的验证任务，在用于支持科学结论之前都应经过独立评估。
主要功能
- 提供用于预定义和自动化多智能体图谱推理工作流的独立 Notebook。
- 支持关键词选择或随机图谱探索，再通过路径采样为假设生成提供上下文。
- 将概念定义、方案提出、完善和评议分配给专门的智能体角色。
- 在使用 AG2 实现的自动化框架中加入规划和假设新颖性检查角色。
- 以 JSON 形式生成结构化的假设要素，并将其扩展为包含批判性分析的研究草稿。
- 纳入检索到的研究信息，并指出后续建模、模拟和实验的优先事项。
使用场景
- 建议的评估方式：探索生物启发材料概念之间的联系，并评估图谱引导的提案能否提供有用的研究方向。
- 建议的评估方式：针对同一研究问题比较预定义工作流与自动化工作流，考察提案的连贯性以及智能体评论的实用性。
- 建议的评估方式：将生成的机制和设计原则作为研究人员主导的文献综述和验证计划的起点。
使用方式
- 在选择复现任务前，阅读 SciAgents README，了解图谱引导工作流、智能体角色和生物启发材料示例。
- 在仓库的 Notebooks 目录中检查
SciAgents_ScienceDiscovery_GraphReasoning_non-automated.ipynb和SciAgents_ScienceDiscovery_GraphReasoning_automated.ipynb。选择预定义或自动化交互模式。 - 按照 README 中的要求准备独立的 GraphReasoning package，并获取 OpenAI 和 Semantic Scholar API 的访问权限。检查 Notebook 配置，不要假定这是一个开箱即用的服务。
- 使用 README 提供的获取流程，从
lamm-mit/bio-graph-1K获取large_graph_simple_giant.graphml和embeddings_simple_giant_ge-large-en-v1.5.pkl。检查所选 Notebook 如何加载这些输入。 - 评估基于关键词或探索式的图谱任务。将生成的假设要素、扩展后的草稿和评论与检索到的文献进行对照审查，然后挑选相关论点开展独立的建模或实验研究；生成的提案并非验证结果。