Capacidades y insumos compatibles
Open-Science trae conversaciones de un proyecto de investigación, archivos fuente, registros de literatura y resultados generados en un espacio de trabajo local. Un modelo configurado dirige el trabajo; Los tiempos de ejecución, herramientas y servicios conectados de Notebook realizan las operaciones que las necesitan. Elige un punto de partida del material que ya tienes.
Comience con su entrada
| Tienes razón. | Primera acción | Resultado para pedir | Compruebe antes de utilizarlo |
|---|---|---|---|
| Una pregunta de investigación y varios DOIs | Crear un proyecto; buscar los identificadores y revisar los candidatos de la Biblioteca Inbox | Una colección de lectura comprobada por fuentes | Títulos, listas de autores, años e identificadores contra el editor |
| Una carpeta de documentos o referencias exportadas | Utilice los controles de importación y recogida de la biblioteca de literatura | Una colección organizada con PDFs disponibles adjuntos | Advertencias de importación, duplicados y coincidencias de fijación |
| Un CSV o TSV | Adjuntarla a una sesión y solicitar un análisis Notebook | Una auditoría de datos, un cuadro de resultados y una figura | Valores perdidos, unidades, denominadores y archivos guardados |
| PDF o manuscrito | Adjuntar el documento o abrirlo en Archivos | Un plan de explicación o revisión específico del pasaje | Si el agente leyó el texto completo y si las páginas citadas apoyan sus reclamaciones |
| Una secuencia o estructura molecular | Abra un archivo de FASTA, PDB o molécula compatible | Una vista previa, informe de validación o análisis usando una herramienta adecuada | Convenios de entrada, requisitos de método y disponibilidad de instrumentos |
| Un procedimiento que reutiliza | Crear o importar un Skill | Instrucciones reutilizables y archivos de soporte | Estado habilitado, dependencias requeridas y un juicio sobre una aportación conocida |
| Una función de investigación definida | Crear un Specialist y asignar sus capacidades | Un papel con instrucciones explícitas y acceso | Skills, Connectors y el resultado del trabajo delegado |
Para figuras y tablas en un papel, utilice extracción local PDF. Encontrar métodos reutilizables a través del Catálogo de Skills. Revise un resultado capturado con Reproducibilidad, o comparta su conversación y evidencia a través de un Paquete .science.
Un espectador que abre un archivo no muestra que el modelo lo ha leído. Adjuntar un archivo da a la sesión una fuente con la que trabajar; inspeccionar las lecturas registradas, las llamadas de herramientas y las pruebas de salida para establecer cómo el agente lo usó. Las extensiones de salida y los límites de tamaño están en Formatos y límites de archivo.
Comprender los objetos del espacio de trabajo
| Objeto | Lo que guardas ahí | Relación con otros objetos |
|---|---|---|
| Project | propósito de investigación, durable Agente Context, sesiones y archivos de proyecto | Úsalo para mantener una investigación juntos |
| Session | Solicitudes, respuestas, actividad de herramientas y ramas de conversación | Cada sesión pertenece a un proyecto |
| Upload | Una copia gestionada del material de origen | Mantenerlo separado de los resultados derivados |
| Artifact | Un informe generado, figura, tabla u otro archivo | Las versiones conservan evidencias asociadas con su producción |
| Referencia de literatura | Metadatos bibliográficos, identificadores y apegos | Organizarlo en colecciones y asociarlo con proyectos |
| Notebook | Ejecución Python o R y sus salidas | Inspeccione los cálculos de la sesión y las variables en vivo |
| Skill | Instrucciones y archivos de soporte para un método | Habilitarlo y seleccionarlo desde el compositor cuando sea apropiado |
| Specialist | Función, instrucciones y capacidades seleccionadas | Configure e invoque para el trabajo que se ajuste a ese papel |
| Connector | Acceso a herramientas externas o servicios de datos | La disponibilidad depende de la configuración, las credenciales y la política |
El proyecto Description le ayuda a identificar el proyecto. Ponga instrucciones que el agente debe seguir en Agent Context. Este último se incluye en el contexto modelo; no es un lugar para almacenar las credenciales.
Prepare sólo las dependencias que su tarea necesita
Una conversación necesita un marco de agente de trabajo y una conexión modelo. Un cálculo Python también necesita un tiempo de ejecución Python Notebook. Una búsqueda de servicio necesita el Connector relevante, acceso a la red y cualquier credencial requerido. Un método GPU puede requerir una máquina separada, entorno de software y pesos modelo incluso cuando su Skill ya está lista.
Configure el modelo, horario de ejecución y los servicios de datos por separado. Después de conectar el modelo, revise los paquetes necesarios para el cálculo. Si falta un paquete, instálelo o elija explícitamente un método que utilice el entorno disponible.
Vea Configuración del proveedor, Horas de ejecución Python y R y Red para estos caminos de configuración independientes. Una prueba de conexión modelo exitosa no valida todos los servicios de aguas abajo.
Decidir si un resultado está listo
Abra la salida guardada y compare con la solicitud. Para una mesa, compruebe el recuento de filas, unidades y tratamiento de datos perdidos. Para una bibliografía, verifique identificadores y autores completos. Para los resultados generados por código, inspeccione Provenance y el Notebook. Etiqueta de revisión como captura parcial del medio ambiente o evidencia no disponible antes de llamar un resultado reproducible.
Los ejemplos formales utilizan insumos de investigación pública:
- Colección de lectura PRISMA: tres documentos reales, revisó los registros de la Biblioteca y un editor adjunto PDF.
- Análisis GSE60450 RNA-seq: filas de genes 27,179, muestras 12, métricas de QC verificadas independientemente, una figura de cuenta cruda y código de productor capturado.
Computación remota cubre RNA-seq QC a través de Direct SSH, recolectando resultados, recuperación y cancelación. También explica los requisitos de contabilidad Slurm y un pequeño flujo de trabajo de diseño de secuencia ProteinMPNN en un A100 GPU en un entorno CUDA aislado.
Almacenamiento local y procesamiento externo
La aplicación almacena su espacio de trabajo localmente. Cuando envía una solicitud a un modelo hospedado, las instrucciones y el contenido pertinentes van a ese proveedor. Los conectores y empleos remotos pueden enviar datos a sus servicios configurados. Utilice el proveedor y la actividad de herramienta seleccionados para identificar dónde se ejecuta una tarea; almacenamiento local por sí solo no significa procesamiento fuera de línea.
Revisión de la fuente: documentación del producto, campos de proyectos y vista previa enrutamiento. Los dos estudios de casos relacionados llevan sus registros de operaciones y capturas de pantalla en inglés.