Denario科研自动化

技能简介

Denario Skill 封装 Denario 框架，用于自动化学术研究全流程，涵盖选题构思、方法设计、结果生成到论文撰写与引用管理。

业务背景

Denario科研自动化将学术研究的全流程拆解为可对话驱动的标准化步骤，从选题构思到论文成稿形成闭环。研究人员无需在工具切换和格式调整中消耗精力，可将注意力集中于核心创新点，缩短课题周期，尤其适合需要快速产出阶段性成果的研究团队。

落地案例：高校课题组承接跨学科项目时，成员输入"Denario idea"触发选题生成，系统基于领域文献提出三个可行方向并标注创新度评估；确定选题后依次调用"methods"设计混合研究方法、"results"模拟实验数据结构、"paper"编译符合期刊格式的初稿；最后"citations"自动整理引用列表。各环节产出均需导师审核确认，再进入下一阶段，避免返工。

能做什么

• 通过对话触发词驱动研究各阶段
• 自动生成研究选题（Maker/Hater 循环机制）
• 开发研究方法论
• 生成实验结果与分析
• 编译完整学术论文
• 管理文献引用

使用说明

安装准备：

1. 在 Clawdbot 环境配置 Z.ai/智谱 API 密钥：clawdbot config set env.OPENAI_API_KEY <your-key>
2. 首次运行将自动创建虚拟环境~/.denario_skill_env 并安装依赖

使用步骤：

1. 发送 “Denario idea” 生成研究选题
2. 发送 “Denario methods” 开发研究方法
3. 发送 “Denario results” 生成结果与分析
4. 发送 “Denario paper” 编译完整论文
5. 发送 “Denario citations” 管理引用

输入与输出

见下方输入与输出表格。

风险提示

• 需提前配置有效 API 密钥，否则无法调用 Z.ai 服务
• 自动生成内容需人工审核学术规范与事实准确性
• 虚拟环境首次创建耗时较长
• 论文成果不可直接投稿，须经过作者实质性修改

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/jmanhype/denario-skill/SKILL.md
来源类型：GitHub 仓库