一个面向自动化 AI 科研的标准化研究环境。
AI Scientist 只需交付 algorithm.py + hyperparameter.yaml，Alchemy 负责把科研基础设施接起来。
自动化 AI 科研的难点，不只是"提出一个想法"，而是"让这个想法在真实实验系统里稳定、规模化地跑起来"。
今天的大多数 AI Scientist 系统，把科学发现与科研基础设施揉在同一条链路里。AI Scientist 不仅要提出方法，还被迫处理数据接线、任务配置、训练调度、并发执行、结果收集等工程细节——这些不应该占用它最宝贵的上下文窗口和推理预算。
Alchemy 将两者显式分离：
🧠 Scientist 层 (ai_scientist/)负责假设生成、算法实现、超参数设计与多轮迭代。 专注于：提出假设 → 设计方法 → 根据反馈迭代 |
🔥 研究环境层 (research_environment/)负责任务配置、GPU 调度、容器执行、指标解析与结果收集。 负责：科研基础设施 → 异构设备 → 高并发实验 |
AI Scientist 交给 Alchemy 的，是构成算法的两份文件：
🧩 algorithm.py代码实现：模型的架构。 |
🎛️ hyperparameter.yaml超参数配置：算法各个超参数的搜索空间。 |
可选增强：domain_knowledge.md 提供任务背景与经验知识，既可由用户维护，也可由 AI Scientist 在实验后自主总结。
|
🎯 推荐系统 • 通用推荐 • 序列推荐 • 上下文感知推荐 • 知识驱动推荐 • 多模态推荐 (MMRec) |
🕸️ 图学习 • 通用图学习 • 图结构学习 • 时序图学习 • 噪声图学习 • 图异常检测 |
⏱️ 时间序列 • 异常检测 • 分类 • 插补 • 长期预测 • 短期预测 |
当前 GitHub 已发布 Recsys / MMRec 与 TimeSeries，剩余任务将持续更新。新领域只需在
research_environment/tasks/下添加目录 + plugin.py。
编辑 ai_scientist/config.yaml：
model: "claude-opus-4-5-20251101"
base_url: "https://your-endpoint/v1"
tasks:
- domain: Recsys
task: MMRec
metric: "recall@20"
seeds: ["PGL_2025"]
max_rounds: 10
patience: 3编辑 research_environment/config.yaml：
- 选择
docker或singularity - 配置
gpu_ids和max_per_gpu
以 MMRec 为例：
# 构建运行镜像
docker build -t mmrec:latest research_environment/tasks/Recsys/MMRec/container
# 数据已在 research_environment/tasks/Recsys/MMRec/dataset/ 下python -m ai_scientist系统采用的AI Scientist遵循一般流程, seed baseline 出发，进入闭环：加载Seed Baseline → 生成假设 → 生成代码与超参 → 执行评测 → 反馈迭代。
Alchemy 只是另一个 AI Scientist 吗？
不是。Alchemy 的关键在于把 Scientist 层与研究环境层显式分离。它的价值来自这两层的分工，而不只是提出一个新的Agent。
能在单机单卡上运行吗？
可以。通过
research_environment/config.yaml 指定 GPU ID 和并发数。
怎么新增一个任务？
在
research_environment/tasks/{domain}/{task}/ 下添加 config.yaml + plugin.py，实现 expand_hp() 和 parse_output() 两个方法, 并在pipeline中实现任务管线即可, 我们将会在下一个公布版本提升新增任务的便捷性, 如果你有什么需要集成的新任务, 欢迎联系我们, 联系方式在下方。
|
🧪 新增任务 在 research_environment/tasks/ 中补充新领域或任务。
|
🧠 优化科学发现 提升AI Scientist的科学发现能力。 |
|
📚 补充数据 补充 seed baseline, 数据集等等。 |
⚙️ 强化基础设施 优化执行器、调度器与异构环境支持。 |
|
李乐晖 交流 Alchemy、自动化 AI 科研或合作共建，欢迎微信联系。 建议备注： Alchemy / 姓名 / 机构
|
|
将在项目论文或官方发布信息确定后补充。
如果你已经在论文或技术报告中使用了 Alchemy，建议标注项目名称 Alchemy 及对应仓库地址。