能力とサポートされた入力
Open-Scienceは、研究プロジェクトの会話、ソースファイル、文献レコード、および生成された結果をローカルワークスペースに持って来ます。 構成されたモデルは仕事を指示します; Notebookランタイム、ツール、コネクティッドサービスは、必要な操作を実行します。 既に持っている材料から出発点を選択します。
入力から始める
| お問い合わせ | 最初のアクション | 依頼する結果 | ご使用前にチェック |
|---|---|---|---|
| 研究の質問といくつかのDOIs | プロジェクトの作成 識別子を調べ、ライブラリの受信トレイ候補をレビューする | ソースチェックの読み取りコレクション | 出版社に対するタイトル、著者リスト、年数、識別子 |
| 紙のフォルダまたはエクスポートされた参照 | 文献ライブラリのインポートとコレクションのコントロールを使用する | 利用できるPDFが付いている整理されたコレクション | 警告、重複、添付のマッチをインポートする |
| CSVまたはTSV | セッションリクエストとNotebook分析に添付する | データ監査、結果表、図 | 値、単位、デノミネーター、保存されたファイルを欠落させる |
| PDF か manuscript | ドキュメントを添付するか、ファイルで開くか | 通路固有の説明やリビジョンプラン | エージェントが完全なテキストを読み込み、引用されたページがその主張をサポートしているかどうか |
| シーケンスまたは分子構造 | 支えられたFASTA、PDBまたは分子ファイルを開けて下さい | 適切なツールを使用してプレビュー、検証レポート、分析 | 慣習、方法条件および用具の可用性を入れて下さい |
| 再使用する手順 | Skillの作成またはインポート | 再使用可能な指示とファイルのサポート | 既知の入力でステータス、必要な依存関係、試用が可能 |
| 定義された研究の役割 | Specialist を作成し、その能力を割り当てる | 明示的な指示とアクセスを持つ役割 | 選択されたSkills、コネクターおよび委任された仕事の結果 |
紙の図表や表については、ローカルPDF抽出物を使用してください。 Skill マーケットプレイスで再利用可能な方法を見つけます。 再現性で撮影した結果をチェックするか、.scienceパッケージで会話や証拠を共有してください。
ファイルを開いたビューアは、モデルが読み込まれていないことを示すものではありません。 ファイルが作成されると、セッションをソースに与えます。 記録された読み取り値、ツールコール、出力証拠を調べて、エージェントが使用した方法を確立します。 ファイルフォーマットと制限では、拡張子とサイズ制限が有効です。
ワークスペースオブジェクトを理解する
| オブジェクト | そこに続くこと | 他のオブジェクトとの関係 |
|---|---|---|
| Project | 研究目的、耐久性のあるエージェントコンテキスト、セッション、プロジェクトファイル | 1つの調査を一緒に保つためにそれを使用して下さい |
| Session | リクエスト、レスポンス、ツールアクティビティ、会話ブランチ | 各セッションはプロジェクトに属します。 |
| Upload | ソース素材の管理されたコピー | 得られた結果とは別々に保つ |
| アーティファクト | 生成されたレポート、図、表、その他のファイル | バージョンは、生産に関連する証拠を保持します。 |
| 文献文献 | Bibliographicメタデータ、識別子および添付ファイル | コレクションで整理し、プロジェクトに関連付ける |
| Notebook | Python または R の実行とその出力 | セッションの計算とライブ変数を調べる |
| Skill | 方法のための指示とサポートファイル | 有効にし、適切な時にコンポーザから選択します。 |
| Specialist | 役割、指示および選択された機能 | それを構成し、その役割に合う仕事のために呼び出します |
| Connector | 外部ツールやデータサービスへのアクセス | 可用性は、設定、認証情報、ポリシーによって異なります。 |
プロジェクトDescriptionは、プロジェクトを識別するのに役立ちます。 エージェントがAgent Contextに従わなければならない指示を置いて下さい。 後者はモデルコンテキストに含まれています。 資格情報を保存する場所ではありません。
タスクが必要とする依存関係だけを用意する
会話は、ワーキングエージェントフレームワークとモデル接続を必要とします。 Python の計算は有効な Python Notebook のランタイムを必要とします。 サービスは、関連するConnector、ネットワークアクセス、および必要な資格を必要とします。 GPUメソッドは、Skillが既にリストされている場合でも、別々の機械、ソフトウェア環境、モデル重量を要求できます。
文書化されたローカルランは、Codexサブスクリプションとアプリ管理Python環境を使用しました。 モデルは、Pythonパッケージをインストールしなかった: 不足しているパンダの依存性はまだ最初の計算を停止しました。 実装を変更した後に完了した分析は、記述的な質問を変更することなくパッケージをインストールします。
これらの独立したセットアップパスについては、プロバイダーのセットアップ、PythonとRのランタイム、ネットワークを参照してください。 成功したモデル接続テストでは、すべてのダウンストリームサービスが検証されません。
結果が準備ができているかどうかを決定
保存した出力を開き、リクエストと比較します。 表は、行数、単位、欠落データ処理をチェックします。 伝記のために、識別子および完全な著者を確かめて下さい。 コード生成結果については、ProvenanceとNotebookを調べます。 結果の再現性を呼び出す前に、部分的な環境のキャプチャや使用不能な証拠などのラベルを見直します。
正式な例では、パブリックリサーチの入力を使用します。
- PRISMA読書コレクション: 3つの実質のペーパー、見直しられた図書館の記録および付けられたパブリッシャーPDF。
- GSE60450 RNA-seq解析: 27,179遺伝子列、12サンプル、独立チェックQCメトリック、生計図、生産コードをキャプチャします。
遠隔計算 は、収集された出力を含む Direct SSH の同じ RNA-seq QC を、回復を再開し、取消し示す。 Slurm 計算はサーバーで確認されましたが、無効なスケジューラの会計はアプリケーション収穫を防ぎます。 同じ章では、分離されたCUDA環境でA100 GPUで小さなProteinMPNNシーケンスデザインが実行されます。
ローカルストレージおよび外部処理
アプリケーションは、ローカルのワークスペースを格納します。 ホストされたモデルにリクエストを送信すると、関連する指示とコンテンツがそのプロバイダに行きます。 コネクタとリモートジョブは、データが設定されたサービスに送信できます。 選択したプロバイダとツールのアクティビティを使用して、タスクが実行する場所を特定します。 ローカルストレージ単独ではオフライン処理を意味しません。
ソースレビュー: 製品ドキュメント、プロジェクトフィールドおよびプレビュールーティング。 2つのリンクされたケーススタディは、運用記録と英語のスクリーンショットを運ぶ。