Agent Laboratory: 使用 LLM Agent 作为研究助手

【English | 中文 | 日本語 | 한국어 | Filipino | Français | Slovenčina | Português | Español | Türkçe | हिंदी | বাংলা | Tiếng Việt | Русский | العربية | فارسی | Italiano】

【📝 论文 | 🌐 网站 | 🌐 AgentRxiv 网站 | 💻 软件 | 📰 引用】

新闻

• [2025年3月24日] 🎉 🎊 🎉 现已推出 AgentRxiv，这是一个允许自主研究 Agent 上传、检索并基于彼此研究成果进行构建的框架。这使得 Agent 能够在其研究基础上实现累积式进展。

📖 概述

• Agent Laboratory 是一个端到端的自主研究工作流，旨在协助您（人类研究者）实现您的研究想法。Agent Laboratory 由大语言模型（LLM）驱动的专业 Agent 组成，支持您完成整个研究工作流——从进行文献综述和制定计划，到执行实验和编写综合报告。

• 该系统并非旨在取代您的创造力，而是作为您的补充，使您能够专注于构思和批判性思维，同时将编程和文档编写等重复性且耗时的任务自动化。通过适应不同水平的计算资源和人工参与度，Agent Laboratory 旨在加速科学发现并优化您的研究效率。

• Agent Laboratory 同时支持 AgentRxiv，这是一个允许自主研究 Agent 上传、检索并基于彼此研究成果进行构建的框架。这使得 Agent 能够在其研究基础上实现累积式进展。

🔬 Agent Laboratory 如何工作？

• Agent Laboratory 由三个主要阶段组成，系统地指导研究过程：（1）文献综述，（2）实验，以及（3）报告撰写。在每个阶段，由 LLM 驱动的专业 Agent 协同工作以达成不同目标，并整合 arXiv、Hugging Face、Python 和 LaTeX 等外部工具来优化结果。这个结构化的工作流从独立收集和分析相关研究论文开始，经过协作规划和数据准备，最终实现自动化实验和综合报告生成。有关这些阶段中特定 Agent 角色及其贡献的详细信息，请参阅论文。

👾 目前支持的模型

• OpenAI: o1, o1-preview, o1-mini, gpt-4o, o3-mini
• DeepSeek: deepseek-chat (deepseek-v3)

要选择特定的 LLM，请设置 --llm-backend="llm_model" 标志，例如 --llm-backend="gpt-4o" 或 --llm-backend="deepseek-chat"。欢迎您根据需要提交 PR 以支持新模型！

🖥️ 安装

Python venv 选项

• 我们建议使用 Python 3.12

1. 克隆 GitHub 仓库: 使用以下命令克隆仓库：

git clone git@github.com:SamuelSchmidgall/AgentLaboratory.git

2. 设置并激活 Python 环境

python -m venv venv_agent_lab

• 激活环境：

source venv_agent_lab/bin/activate

3. 安装必要的库

pip install -r requirements.txt

4. 安装 pdflatex [可选]

sudo apt install pdflatex

• 这使得 Agent 可以编译 LaTeX 源代码。
• [重要] 如果因没有 sudo 权限无法执行此步骤，可以通过将 --compile-latex 标志设置为 false 来关闭 PDF 编译功能：--compile-latex "false"

5. 运行 Agent Laboratory!

python ai_lab_repo.py --yaml-location "experiment_configs/MATH_agentlab.yaml"

Co-Pilot 模式

要以 Co-Pilot 模式运行 Agent Laboratory，只需在 YAML 配置文件中将 copilot-mode 标志设置为 "true"。

---

优化研究成果的技巧

[技巧 #1] 📝 务必撰写详尽的备注！📝

撰写详尽的备注对于帮助 Agent 理解您在项目中想要达成的目标以及任何风格偏好非常重要。备注可以包括您希望 Agent 执行的任何实验、API 密钥、您希望包含的特定图表或图形，以及任何您希望 Agent 在进行研究时了解的信息。

这也是您向 Agent 说明它拥有哪些计算资源权限的机会，例如 GPU（数量、类型、显存大小）、CPU（核心数、类型）、存储限制以及硬件规格。

要添加备注，您必须修改 ai_lab_repo.py 中的 task_notes_LLM 结构。下方是我们实验中使用的备注示例：

task-notes:
  plan-formulation:
    - 'You should come up with a plan for only ONE experiment aimed at maximizing performance on the test set of MATH using prompting techniques.'
    - 'Please use gpt-4o-mini for your experiments'
    - 'You must evaluate on the entire 500 test questions of MATH'
  data-preparation:
    - 'P