Agent Lab

一、总体架构

研究流程阶段

• 文献综述
  • LLM搜索和总结相关文献
• 实验设计
  • 根据文献综述制定实验计划
• 数据准备
  • 准备实验所需的数据
• 实验执行
  • 运行实验并获取结果
• 结果解释
  • 解释实验结果
• 报告撰写
  • 撰写研究报告
• 报告优化
  • 根据评审意见优化报告

代理角色

• PhD学生
  • 文献综述
  • 实验设计
  • 结果解释
  • 报告撰写
• Postdoc
  • 协助PhD学生进行实验设计和结果解释
• ML工程师
  • 数据准备
  • 实验执行
• 教授
  • 报告撰写
  • 报告优化
• 评审者
  • 对报告进行评审并提出意见

二、核心文件逻辑

(1) README-chinese.md

• 功能：项目说明文档
• 核心内容
  • 工作流程介绍
  • 安装与运行步骤
  • 使用技巧

(2) ai_lab_repo.py

• 功能：主程序入口
• 核心逻辑
  • 初始化研究工作流程
  • 执行研究流程
  • 报告优化

(3) agents.py

• 功能：定义不同类型的代理及其行为
• 核心代理
  • PhDStudentAgent
    • 文献综述
    • 实验设计
    • 结果解释
    • 报告撰写
  • PostdocAgent
    • 实验设计
    • 结果解释
  • MLEngineerAgent
    • 数据准备
    • 实验执行
  • ProfessorAgent
    • 报告撰写
    • 报告优化
  • ReviewersAgent
    • 对报告进行评审并提出意见

(4) mlesolver.py 和 papersolver.py

• 功能：用于实验执行和报告撰写的优化
• 核心逻辑
  • mlesolver.py
    • 提供代码生成和优化工具
    • 使用奖励模型评分
  • papersolver.py
    • 提供报告撰写和优化工具
    • 使用奖励模型评分

(5) tools.py 和 utils.py

• 功能：提供工具函数和实用程序
• 核心工具
  • tools.py
    • 文献和数据集搜索工具
    • 代码执行和LaTeX编译工具
  • utils.py
    • 文件操作工具
    • LaTeX编译工具

三、工作流程示意图

初始化研究流程 -> 文献综述 -> 实验设计 -> 数据准备 -> 实验执行 -> 结果解释 -> 报告撰写 -> 报告优化

四、总结

系统特点

• 分解研究流程为多个阶段
• 利用不同类型代理协作完成任务
• 实现全流程自动化