Skip to content

README.ru.md

Latest commit

 

History

History
422 lines (304 loc) · 26.1 KB

README.ru.md

File metadata and controls

422 lines (304 loc) · 26.1 KB

AutoLabOS

Операционная система для автономного исследования

Не генерация исследования, а автономное выполнение исследования.
От brief до manuscript внутри governed, checkpointed и inspectable процесса.

English  ·  한국어  ·  日本語  ·  简体中文  ·  繁體中文  ·  Español  ·  Français  ·  Deutsch  ·  Português  ·  Русский

Локализованные README — это поддерживаемые переводы этого документа. Для нормативных формулировок и самых новых правок используйте английский README как canonical reference.

CI Smoke Tests

TypeScript Node React

Governed workflow Checkpointed Claim Ceiling Validation surfaces

AutoLabOS — это операционная система для governed research execution. Она рассматривает run как checkpointed состояние исследования, а не как одноразовый акт генерации.

Весь основной цикл inspectable. Сбор литературы, формирование гипотез, дизайн экспериментов, реализация, запуск, анализ, figure audit, review и написание manuscript оставляют auditируемые артефакты. Утверждения остаются evidence-bounded в рамках claim ceiling. Review — это не этап косметической правки, а structural gate.

Предположения о качестве превращаются в явные checks. Реальное поведение важнее, чем внешний вид на уровне prompt. Воспроизводимость обеспечивается за счёт артефактов, checkpoints и inspectable transitions.

Зачем существует AutoLabOS

Многие системы research agents оптимизированы под производство текста. AutoLabOS оптимизирован под выполнение governed исследовательского процесса.

Эта разница важна, когда проекту нужно больше, чем просто правдоподобный черновик.

  • research brief как контракт исполнения
  • явные workflow gates вместо свободного дрейфа агентов
  • checkpoints и артефакты, которые можно проверить постфактум
  • review, способный остановить слабую работу до генерации manuscript
  • failure memory, чтобы не повторять вслепую один и тот же неудачный эксперимент
  • evidence-bounded claims вместо текста, который выходит за пределы данных

AutoLabOS рассчитан на команды, которым нужна автономность без отказа от auditability, backtracking и validation.

Что происходит в одном run

Один governed run всегда проходит один и тот же исследовательский путь.

Brief.md → literature → hypothesis → experiment design → implementation → execution → analysis → figure audit → review → manuscript

На практике это выглядит так:

  1. /new создаёт или открывает research brief
  2. /brief start --latest валидирует brief, сохраняет его snapshot внутри run и запускает governed run
  3. система проходит фиксированный workflow и checkpoint’ит state и artifacts на каждой границе
  4. если evidence слабая, система выбирает backtracking или downgrade, а не автоматическую косметическую правку текста
  5. только после прохождения review gate узел write_paper пишет manuscript на основе ограниченной evidence

Исторический контракт на 9 nodes остаётся архитектурной базой. В текущем runtime между analyze_results и review добавлен figure_audit, чтобы критику фигур можно было checkpointить и возобновлять независимо.

stateDiagram-v2
    [*] --> collect_papers
    collect_papers --> analyze_papers: complete
    analyze_papers --> generate_hypotheses: complete
    generate_hypotheses --> design_experiments: complete
    design_experiments --> implement_experiments: complete
    implement_experiments --> run_experiments: auto_handoff or complete
    run_experiments --> analyze_results: complete
    analyze_results --> figure_audit: auto_advance
    analyze_results --> implement_experiments: auto_backtrack_to_implement
    analyze_results --> design_experiments: auto_backtrack_to_design
    analyze_results --> generate_hypotheses: auto_backtrack_to_hypotheses
    figure_audit --> review: auto_advance
    review --> write_paper: auto_advance
    review --> implement_experiments: auto_backtrack_to_implement
    review --> design_experiments: auto_backtrack_to_design
    review --> generate_hypotheses: auto_backtrack_to_hypotheses
    write_paper --> [*]: auto_complete
Loading

Вся автоматизация внутри этого потока ограничена bounded node-internal loops. Даже в unattended-режимах сам workflow остаётся governed.

Что вы получаете после run

AutoLabOS создаёт не только PDF. Он создаёт трассируемое состояние исследования.

Выход Что содержит
Литературный corpus собранные papers, BibTeX, извлечённый evidence store
Гипотезы hypotheses, основанные на литературе, и skeptical review
Экспериментальный план governed design с contract, baseline lock и checks согласованности
Исполненные результаты metrics, objective evaluation, failure memory log
Анализ результатов статистический анализ, attempt decisions, transition reasoning
Figure audit figure lint, caption/reference consistency, опциональная vision critique
Review packet scorecard панели из 5 специалистов, claim ceiling, critique до черновика
Рукопись LaTeX draft с evidence links, scientific validation и опциональным PDF
Checkpoints полные snapshots состояния на каждой границе node, resumable в любой момент

Всё хранится под .autolabos/runs/<run_id>/, а публичные результаты зеркалируются в outputs/.

Так устроена модель воспроизводимости: не скрытое состояние, а артефакты, checkpoints и inspectable transitions.

Quick Start

# 1. Установить и собрать
npm install
npm run build
npm link

# 2. Перейти в исследовательский workspace
cd /path/to/your-research-workspace

# 3. Запустить один интерфейс
autolabos        # TUI
autolabos web    # Web UI

Типичный первый сценарий:

/new
/brief start --latest
/doctor

Примечания:

  • если .autolabos/config.yaml отсутствует, оба интерфейса проведут через onboarding
  • не запускайте AutoLabOS из корня репозитория; используйте отдельный workspace-каталог для исследовательского запуска
  • TUI и Web UI используют один и тот же runtime, одни и те же artifacts и те же checkpoints

Предварительные требования

Пункт Когда нужен Примечания
SEMANTIC_SCHOLAR_API_KEY Всегда Поиск papers и metadata
OPENAI_API_KEY Когда provider = api Выполнение через модели OpenAI API
Вход в Codex CLI Когда provider = codex Используется локальная сессия Codex

Система Research Brief

Brief — это не просто стартовый документ. Это governed contract для run.

/new создаёт или открывает Brief.md. /brief start --latest валидирует его, сохраняет snapshot внутри run и запускает выполнение на основе этого snapshot. Run записывает source path brief, snapshot path и любой распознанный manuscript format. Благодаря этому provenance run остаётся inspectable даже если brief в workspace позже изменится. Appendix Preferences теперь можно задавать в структуре Prefer appendix for: и Keep in main body:, чтобы намерение appendix routing было явно зафиксировано в brief contract.

Иными словами, brief — это не просто часть prompt. Это часть audit trail.

В текущем контракте .autolabos/config.yaml в основном хранит provider/runtime defaults и workspace policy. Исследовательское намерение для конкретного run, evidence bar, ожидания по baseline, цели manuscript format и путь к manuscript template должны задаваться в Brief. Поэтому сохранённый config может не содержать research defaults и часть полей manuscript-profile / paper-template.

/new
/brief start --latest

Brief должен покрывать и исследовательское намерение, и governance-ограничения: topic, objective metric, baseline или comparator, minimum acceptable evidence, disallowed shortcuts и paper ceiling на случай, если evidence останется слабой.

Разделы brief и grading
Раздел Статус Назначение
## Topic Обязателен Определить исследовательский вопрос в 1-3 предложениях
## Objective Metric Обязателен Главная метрика успеха
## Constraints Рекомендуется compute budget, ограничения dataset, правила воспроизводимости
## Plan Рекомендуется Пошаговый экспериментальный план
## Target Comparison Governance Сравнение с явным baseline
## Minimum Acceptable Evidence Governance минимальный effect size, fold count, decision boundary
## Disallowed Shortcuts Governance shortcuts, делающие результат недействительным
## Paper Ceiling If Evidence Remains Weak Governance максимальная paper-классификация при слабой evidence
## Manuscript Format Необязателен число колонок, бюджет страниц, правила references / appendix
Оценка Значение Готово для paper-scale?
complete core + 4 и более содержательных governance-раздела Да
partial core полон + 2 и более governance-раздела Продолжать с предупреждениями
minimal Только core-разделы Нет

Два интерфейса, один runtime

AutoLabOS предлагает два фронтенда поверх одного и того же governed runtime.

TUI Web UI
Запуск autolabos autolabos web
Взаимодействие slash-команды, естественный язык браузерные dashboard и composer
Вид workflow прогресс node в реальном времени в терминале governed workflow graph с действиями
Artifacts CLI inspection inline preview текста, изображений и PDF
Операционные поверхности /watch, /queue, /explore, /doctor jobs queue, live watch cards, exploration status, diagnostics
Лучше всего подходит для быстрой итерации и прямого контроля визуального мониторинга и просмотра artifacts

Важно то, что обе поверхности видят одни и те же checkpoints, одни и те же runs и одни и те же underlying artifacts.

Что отличает AutoLabOS

AutoLabOS спроектирован вокруг governed execution, а не prompt-only orchestration.

Типичные исследовательские инструменты AutoLabOS
Workflow открытый дрейф агентов governed fixed graph с явными review boundaries
State эфемерен checkpointed, resumable, inspectable
Claims настолько сильные, насколько их напишет модель ограничены evidence и claim ceiling
Review необязательный cleanup pass structural gate, способный остановить письмо
Failures забываются и пробуются снова сохраняются как fingerprint в failure memory
Interfaces отдельные кодовые пути TUI и Web разделяют один runtime

Поэтому систему лучше понимать как research infrastructure, а не как paper generator.

Ключевые гарантии

Governed Workflow

Workflow bounded и auditable. Backtracking — часть contract. Результаты, которые не оправдывают движение вперёд, возвращаются к hypotheses, design или implementation, а не превращаются в более сильную prose.

Checkpointed Research State

Каждая граница node записывает inspectable и resumable state. Единица прогресса — не только текстовый вывод, а run с artifacts, transitions и recoverable state.

Claim Ceiling

Claims удерживаются ниже strongest defensible evidence ceiling. Система записывает более сильные claims, которые были заблокированы, и evidence gaps, необходимые для их разблокировки.

Review As A Structural Gate

review — это не косметическая очистка. Это structural gate, где перед генерацией manuscript проверяются readiness, методологическая вменяемость, evidence linkage, writing discipline и reproducibility handoff.

Failure Memory

Failure fingerprints сохраняются, чтобы структурные ошибки и повторяющиеся equivalent failures не запускались вслепую снова.

Reproducibility Through Artifacts

Воспроизводимость обеспечивается через artifacts, checkpoints и inspectable transitions. Даже публичные сводки строятся по persisted run outputs, а не по второй «истине».

Validation и модель качества, ориентированная на harness

AutoLabOS рассматривает validation surfaces как first-class.

  • /doctor проверяет environment и workspace readiness перед запуском run

Paper readiness — это не просто впечатление от одного prompt.

  • Layer 1 - deterministic minimum gate останавливает under-evidenced work через явные artifact / evidence-integrity checks
  • Layer 2 - LLM paper-quality evaluator добавляет структурированную критику methodology, evidence strength, writing structure, claim support и limitations honesty
  • Review packet + specialist panel решают, должен ли путь manuscript advance, revise или backtrack

paper_readiness.json может включать overall_score. Его следует читать как внутренний signal качества run, а не как универсальный научный benchmark. Некоторые продвинутые evaluation / self-improvement paths используют его для сравнения runs или кандидатов на prompt mutation.

Продвинутые возможности Self-Improvement

AutoLabOS включает bounded пути self-improvement, но это не blind autonomous rewriting. Эти пути ограничены validation и rollback.

autolabos meta-harness

autolabos meta-harness строит context directory в outputs/meta-harness/<timestamp>/ на основе recent completed runs и истории evaluation.

Он может включать:

  • отфильтрованные run events
  • node artifacts вроде result_analysis.json или review/decision.json
  • paper_readiness.json
  • outputs/eval-harness/history.jsonl
  • текущие файлы node-prompts/ для целевого node

LLM через TASK.md ограничивается форматом ответа TARGET_FILE + unified diff, а целевая область ограничена node-prompts/. В apply-режиме кандидат должен пройти validation checks; иначе выполняется rollback и пишется audit log. --no-apply только создаёт context. --dry-run показывает diff без изменения файлов.

autolabos evolve

autolabos evolve запускает bounded mutation-and-evaluation loop поверх .codex и node-prompts.

  • поддерживает --max-cycles, --target skills|prompts|all и --dry-run
  • читает fitness run из paper_readiness.overall_score
  • мутирует prompts и skills, запускает validation и сравнивает fitness между циклами
  • при регрессии восстанавливает .codex и node-prompts из последнего good git tag

Это путь self-improvement, но не неограниченная repo-wide rewrite-механика.

Harness Preset Layer

AutoLabOS также предоставляет built-in harness presets, такие как base, compact, failure-aware и review-heavy. Они настраивают artifact/context policy, акцент на failure memory, prompt policy и compression strategy для сравнительных evaluation paths, не меняя governed production workflow.

Часто используемые команды

Команда Описание
/new Создать или открыть Brief.md
/brief start <path|--latest> Начать исследование из brief
/runs [query] Показать или искать runs
/resume <run> Продолжить run
/agent run <node> [run] Запустить с graph node
/agent status [run] Показать статусы nodes
/agent overnight [run] Выполнить unattended run в консервативных рамках
/agent autonomous [run] Выполнить bounded research exploration
/watch Live watch представление активных runs и background jobs
/explore Показать состояние exploration engine текущего run
/queue Показать jobs running / waiting / stalled
/doctor Diagnostics для environment и workspace
/model Переключить model и reasoning effort
Полный список команд
Команда Описание
/help Показать список команд
/new Создать или открыть Brief.md в workspace
/brief start <path|--latest> Начать исследование из Brief.md workspace или указанного brief
/doctor Diagnostics для environment + workspace
/runs [query] Показать или искать runs
/run <run> Выбрать run
/resume <run> Продолжить run
/agent list Показать graph nodes
/agent run <node> [run] Запустить с node
/agent status [run] Показать статусы nodes
/agent collect [query] [options] Собирать papers
/agent recollect <n> [run] Собрать дополнительные papers
/agent focus <node> Переместить focus через safe jump
/agent graph [run] Показать graph state
/agent resume [run] [checkpoint] Возобновить с checkpoint
/agent retry [node] [run] Повторить node
/agent jump <node> [run] [--force] Перейти к node
/agent overnight [run] Overnight autonomy (24h)
/agent autonomous [run] Open-ended autonomous research
/model Selector model и reasoning
/approve Подтвердить paused node
/queue Показать jobs running / waiting / stalled
/watch Live watch для активных runs
/explore Показать состояние exploration engine
/retry Повторить текущий node
/settings Настройки provider и model
/quit Выйти

Для кого подходит / не подходит

Хорошо подходит

  • командам, которым нужна автономность без отказа от governed workflow
  • research engineering работе, где checkpoints и artifacts действительно важны
  • paper-scale или paper-adjacent проектам, требующим дисциплины evidence
  • средам, где review, traceability и resumability важны так же, как generation

Плохо подходит

  • пользователям, которым нужен только быстрый one-shot draft
  • workflow, которым не нужен artifact trail или review gate
  • проектам, предпочитающим free-form agent behavior вместо governed execution
  • случаям, где достаточно простого инструмента для literature summary

Status

AutoLabOS is an active OSS research-engineering project. For deeper details beyond this overview, see the documents under docs.