🔬

denario

Name: denario
Author: K-Dense-AI

低リスク ⚙️ 外部コマンド📁 ファイルシステムへのアクセス🌐 ネットワークアクセス🔑 環境変数

Автоматизация научных исследовательских рабочих процессов

こちらからも入手できます: davila7

Преобразование наборов данных в готовые к публикации исследования путём автоматизации генерации гипотез, разработки методологии, вычислительных экспериментов и написания документов LaTeX. Мультиагентный ИИ координирует специализированных агентов для сквозных исследовательских конвейеров.

対応: Claude Codex Code(CC)

📊 70 十分

スキルZIPをダウンロード

Claudeでアップロード

設定 → 機能 → スキル → スキルをアップロードへ移動

オンにして利用開始

テストする

「denario」を使用しています。 Generate research on climate data

期待される結果:

Research hypothesis: Quantify global warming acceleration using linear regression
Methodology: Time-series decomposition, trend analysis, statistical significance testing
Results: 0.18°C per decade warming trend, p < 0.001
Paper: Complete LaTeX document with figures and bibliography

「denario」を使用しています。 Analyze customer churn dataset

期待される結果:

Research idea: Ensemble model combining XGBoost and Random Forest with SMOTE
Methodology: Train/test split, cross-validation, hyperparameter tuning, SHAP analysis
Results: 85% AUC-ROC, key churn factors identified
Paper: Journal-formatted manuscript with performance visualizations

セキュリティ監査

低リスク

v4 • 1/17/2026

All 369 static findings are FALSE POSITIVES. The skill is documentation-only with bash command examples, API key configuration patterns, and file operations for research project management - all legitimate documented functionality for a scientific research automation tool.

スキャンされたファイル

3,198

解析された行数

検出結果

総監査数

リスク要因

⚙️ 外部コマンド (224)

📁 ファイルシステムへのアクセス (8)

references/examples.md:467 references/examples.md:14 references/llm_configuration.md:73 references/llm_configuration.md:73 references/llm_configuration.md:73 references/llm_configuration.md:73 references/llm_configuration.md:73 references/llm_configuration.md:73

🌐 ネットワークアクセス (9)

references/installation.md:43 references/installation.md:69 references/installation.md:135 references/installation.md:135 references/llm_configuration.md:29 references/llm_configuration.md:50 references/llm_configuration.md:137 references/llm_configuration.md:202 skill-report.json:6

🔑 環境変数 (21)

監査者: claude 監査履歴を表示 →

品質スコア

アーキテクチャ

100

保守性

コンテンツ

コミュニティ

セキュリティ

仕様準拠

作れるもの

Ускорение конвейера публикаций

Автоматизация пути от необработанного набора данных до форматированной журнальной подачи, сокращая время на разработку методологии и написание статей.

Структурированные исследовательские рабочие процессы

Преобразование исследовательского анализа данных в воспроизводимые исследовательские проекты с сгенерированными гипотезами, методами и документацией.

Изучение лучших практик исследований

Следование сгенерированным ИИ методологиям для понимания структурированных подходов к вычислительным исследованиям и научному написанию.

これらのプロンプトを試す

Анализ климата

Analyze global temperature anomaly data from 1880-2023 using pandas, scipy, and matplotlib. Generate research questions about long-term warming trends, develop a methodology with linear regression, and create publication-ready paper.

Исследование экспрессии генов

Process gene expression microarray data from 500 breast cancer patients with 20000 features. Generate hypotheses about treatment response predictors, create methodology with machine learning classification, and produce LaTeX paper.

Финансовое прогнозирование

Analyze monthly unemployment rates from 1950-2023 with GDP and inflation indicators. Generate SARIMAX forecasting methodology, execute analysis with confidence intervals, and write research paper.

Полный исследовательский конвейер

Use denario to run complete research pipeline: set data description for my IoT sensor dataset, generate research idea for anomaly detection, develop methodology with sklearn, execute analysis, and generate APS-formatted LaTeX paper.

ベストプラクティス

Предоставляйте подробные описания данных, включая формат, размер, известные проблемы и доступные инструменты для улучшения выходных данных, генерируемых ИИ
Просматривайте и уточняйте сгенерированные идеи и методологии перед выполнением вычислительно затратных этапов анализа
Используйте контроль версий, фиксируя изменения после каждого этапа конвейера для отслеживания эволюции исследования и обеспечения воспроизводимости

回避

Предоставление расплывчатых описаний данных приводит к общим, непригодным для использования исследовательским идеям и методологиям
Пропуск проверки методологии перед выполнением может привести к неподходящим статистическим подходам для ваших данных
Запуск полного конвейера без промежуточной проверки тратит вычислительные ресурсы на ошибочные направления исследований

よくある質問

Какие провайдеры LLM поддерживает denario?

OpenAI GPT-4/3.5, Google Vertex AI Gemini/PaLM, а также любой провайдер, совместимый с фреймворками AG2 или LangGraph.

Обязательно ли использовать LaTeX для этого навыка?

LaTeX необходим только для генерации PDF-документов. Вы можете использовать полный рабочий процесс без него и получить исходные файлы LaTeX.

Могу ли я использовать свою собственную исследовательскую методологию?

Да, используйте set_method() с вашей методологией в формате markdown или путём к файлу, чтобы обойти автоматическую генерацию.

Какая версия Python требуется?

Для правильной работы этого навыка требуется Python 3.12 или выше.

Могу ли я предоставить предварительно вычисленные результаты?

Да, используйте set_results() для загрузки существующих результатов анализа и пропуска этапа вычислительного выполнения.

Какие журналы поддерживаются для форматирования статей?

Формат Американского физического общества (APS) включён. Ознакомьтесь с документацией для получения дополнительных форматов журналов.

開発者の詳細

作成者

K-Dense-AI

ライセンス

GPL-3.0 license

リポジトリ

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/denario

参照

main

ファイル構成

📁 references/

📄 examples.md

📄 installation.md

📄 llm_configuration.md

📄 research_pipeline.md

📄 SKILL.md