llmXive：由大语言模型驱动的科学发现自动化系统

ContextLab/llmXive · llmXive is an LLM-driven system for automating scientific discovery

GitHub原文发布未知首次收录 2026-09-17上架 2026-09-29 09:02

ELI5：它是什么，解决什么问题

llmXive 是一个由 LLM 驱动的系统，目标是用来自动化科学发现流程。仓库元数据将其标记为自主系统、LLM 与机器人科学家（robot-scientist）方向。提供的 README 摘录实际描述的是开渠水流中漂浮颗粒拉格朗日粒子追踪（LPT）与粒子追踪测速（PTV）验证实验数据集，包括原始视频、处理后的粒子轨迹、速度数据以及 Python 后处理脚本，采用 CC-BY-4.0 许可发布，用于验证 LPT/PTV 工作流。

# LLM # AI 辅助科研 # 机器科学家 # 科学发现自动化

核心能力与快速开始

★ 4 · Python

能做什么: llmXive 被描述为 LLM 驱动的科学发现自动化系统。仓库中包含的开渠水流实验数据集提供原始视频、粒子检测结果、关联轨迹、瞬时与平滑速度、粒子初始位置等数据产品，并附带用于分割、检测、追踪与速度计算的 Python 后处理管线脚本，以及障碍物掩膜交互选择、可视化与配置脚本，可用于拉格朗日粒子追踪（LPT）和粒子追踪测速（PTV）工作流的验证。
适用场景: 可用于验证和评测 LPT/PTV 粒子追踪与测速流程；作为开渠水流中漂浮颗粒输运研究的实验数据来源；在进行粒子检测、轨迹关联与速度计算等后处理开发时作为对照数据集。
项目形态: 研究实现
部署方式: 未说明
主要依赖: README 摘录说明需创建 Python 环境并安装 requirements.txt 依赖，且系统路径中需提供 ffmpeg 和 ffprobe；其他硬件与运行环境未说明。
使用限制: 提供的 README 摘录内容与仓库简介（LLM 驱动科学发现）不一致，摘录仅覆盖粒子追踪实验数据集与后处理脚本，未说明 LLM 相关能力、模型依赖、API 成本或可商用条件；许可证为 NOASSERTION，摘录中另提到数据集采用 CC-BY-4.0，二者关系未说明。
许可证: NOASSERTION
最近推送: 2026-09-17 06:59

官方入门核对 README 依据 ↗

资料检查：2026-09-17 07:00 · 卡片整理：2026-09-29 09:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

相似资源

OpenInference：面向 AI 应用的 OpenTelemetry 追踪规范与插件

OpenInference 是 OpenTelemetry 的补充规范和插件集合，用于对 AI 应用进行追踪，可观察 LLM 调用、向量库检索以及搜索引擎、API 等外部工具的使用。它提供与传输方式和文件格式无关的规范，并为多种机器学习 SDK 和框架提供多语言插桩，包括 OpenAI、LangChain、LlamaIndex、Anthropic、MistralAI、Bedrock、VertexAI、CrewAI、Haystack、DSPy、MCP 等。它原生支持 Arize Phoenix 和 Arize AX，也可接入任何兼容 OpenTelemetry 的后端。

Dossier：自托管的求职管理应用，依据个人档案生成定制简历与求职信并跟踪申请进度

Dossier 是一个自托管的求职管理应用，使用 TypeScript 和 Next.js 构建、以 PostgreSQL 存储数据。它把职业经历集中在一个档案中，生成基础简历；针对具体职位，读取招聘信息、展示与档案的匹配情况，并用档案中的事实起草定制简历和求职信，用户可在聊天中修改并导出 PDF。它提供求职岗位搜索与评分、创业公司职位聚合、可选的每日求职 Agent、Claude 连接器，以及可选的 Gmail 与 Google Calendar 集成，并能用看板和数据表跟踪从草稿到 offer 的全流程。AI 模型可选用 Ollama 或 LM Studio 提供的本地模型，也可选用任意 OpenAI 兼容 API、Anthropic 或 Mistral 的托管模型。

midgley：基于 LLM 多智能体的汽油价格预测框架

midgley 是一个用 Python 实现的多智能体时间序列预测框架，目标是预测美国批发 RBOB 汽油期货和多个都市区的零售无铅汽油价格。它把 Gemini、NOAA 天气模型、海运与内河咽喉点、行政社媒缺口、Cboe OVX、Baker Hughes 钻机数、USGS 水文与地震、炼厂检修等非结构化与物理数据，融合为特征向量，再结合 RB=F、CL=F、BZ=F 等商品期货，用 Ridge 回归与 XGBoost 建模，并通过情景模拟器、预测日志和每周复盘反馈回路迭代模型。项目还自动生成公开 Web 仪表盘，展示各地预测、准确率和数据源目录。

Revera：基于双模型校验的 GitHub 拉取请求 AI 代码审查工具

Revera 是一个用 Rust 编写的开源代码审查工具，使用用户自行选择的 AI 模型审查 GitHub 拉取请求。它采用调查者与验证者两阶段流程：调查者阅读变更并提出缺陷候选，验证者则在全新会话中重新从代码中独立确认每条发现，才允许发布，以减少未经验证的误报。支持 OpenAI 兼容端点、OpenAI Responses、Anthropic 和 Google Gemini，可为不同角色分别配置供应商与模型，并支持有序的备用模型。可自托管为 GitHub App（支持 @mention 触发、quick/deep 模式）、GitHub Action 或本地 CLI，并能在多次推送间跟踪发现的修复与重开。仅支持 GitHub 作为发布目标，无托管服务，需自行部署并直接向模型供应商付费；README 说明其评估样本较小，仍可能漏报或误接受错误发现，需要人工审查。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。