jimmc414/Kosmos View GitHub Homepage for Latest Official Releases
عالم ذكاء اصطناعي مستقل مفتوح المصدر مدعوم بـ Claude، قادر على تنفيذ دورة البحث العلمي الكاملة تلقائيًا: تحليل الأدبيات، توليد الفرضيات، تصميم التجارب، تحليل النتائج، والتحسين التكراري.
PythonKosmosjimmc414 308 Last Updated: December 12, 2025
Kosmos - منصة عالم الذكاء الصناعي المستقل مفصلة
نظرة عامة على المشروع
Kosmos هو تطبيق مفتوح المصدر لعالم الذكاء الصناعي المستقل قادر على تنفيذ دورة البحث العلمي الكاملة: من تحليل الأدبيات وتكوين الفرضيات، إلى تصميم التجارب والتنفيذ والتحليل والتكرار والتحسين. يتم هذا المشروع بناءً على بحث Kosmos AI الذي تم إصداره في نوفمبر 2025 (https://arxiv.org/abs/2511.02824)، ويتم تكييفه ليكون قابلًا للتنفيذ بواسطة Claude Code أو Anthropic API.
الخصائص الأساسية
🔬 دورة البحث المستقل
- تدفق العمل العلمي من البداية إلى النهاية: أتمتة كاملة لدورة البحث
- دعم المجالات المتعددة: البيولوجيا، الفيزياء، الكيمياء، العلوم العصبية، علوم المواد
- التكرار والتحسين: تحسين الفرضيات وتصميم التجارب بشكل تلقائي بناءً على النتائج
🤖 نظام ذكي مدعوم بالذكاء الصناعي
- محرك Claude Sonnet 4: لتكوين الفرضيات والتحليل المتقدم
- دعم النماذج المتعددة: يدعم Anthropic Claude، OpenAI GPT، والنماذج المحلية (Ollama، LM Studio)
- اختيار النموذج الذكي: اختيار النموذج الأمثل تلقائيًا بناءً على تعقيد المهمة
🔧 طرق التكامل المتنوعة
- خيارات التكامل المزدوجة:
- الخيار A: Anthropic API (دفع حسب الاستخدام)
- الخيار B: Claude Code CLI (يتطلب الاشتراك Max)
- أنماط التحليل الناضجة: تكامل الأساليب الإحصائية المثبتة من kosmos-figures
📚 تكامل الأدبيات
- بحث الأوراق البحثية الآلي: دعم arXiv، Semantic Scholar، PubMed
- ملخص الأدبيات: استخراج المعلومات الرئيسية تلقائيًا
- فحص التجديد: التحقق من ابتكارية فرضيات البحث
🏗️ هيكل الوكيل
- التصميم المعياري: كل مهمة بحث تقابل وكيل مستقل
- التنفيذ المتوازي: تشغيل عدة مهام بحث في وقت واحد
- العمل التعاوني: مشاركة المعلومات بين الوكلاء عبر نموذج العالم المنظم
🛡️ الأولوية للأمان
- تنفيذ في صندوق الرمل: بيئة تنفيذ كود معزولة
- آلية التحقق: التحقق من النتائج وإمكانية إعادة الإنتاج
- باب الموافقة البشرية: خيار للموافقة البشرية
💰 تحسين التكلفة
- نظام التخزين المؤقت متعدد الطبقات: خفض تكلفة API بنسبة 30-40%
- تخزين مؤقت ذكي للإرشادات: توفير كبير في التكلفة عند استخدام Anthropic
- تحسين اختيار النموذج: اختيار النموذج الذكي بناءً على تعقيد المهمة، مما يخفض التكلفة بنسبة 15-20%
هيكل النظام
المكونات الأساسية
┌─────────────────────────────────────────────────────────────┐
│ Research Director │
│ (متحكم رئيسي لإدارة الدورة البحثية المستقلة) │
└──────────────┬──────────────────────────────────────────────┘
│
┌──────────────┴────────┬───────────────┬──────────────┐
│ │ │ │
┌───▼────┐ ┌─────────▼──────────┐ ┌▼──────────┐ ┌▼─────────────┐
│Literature│ │Hypothesis Generator│ │Experiment │ │Data Analyst │
│Analyzer │ │ (Claude) │ │Designer │ │ (Claude) │
└───┬────┘ └─────────┬──────────┘ └┬──────────┘ └┬─────────────┘
│ │ │ │
└──────────────────┴───────────────┴─────────────┘
│
┌──────────▼──────────┐
│ Execution Engine │
│ (kosmos-figures │
│ proven patterns) │
└─────────────────────┘
شرح الوكلاء
- Research Director (مدير البحث): المنسق الرئيسي لإدارة سير العمل البحثي
- Literature Analyzer (تحليل الأدبيات): البحث والتحليل في الأوراق العلمية (arXiv، Semantic Scholar، PubMed)
- Hypothesis Generator (مولد الفرضيات): توليد فرضيات قابلة للاختبار باستخدام Claude
- Experiment Designer (مصمم التجارب): تصميم التجارب الحسابية
- Execution Engine (محرك التنفيذ): تشغيل التجارب باستخدام الأساليب الإحصائية المثبتة
- Data Analyst (محلل البيانات): تفسير النتائج باستخدام Claude
- Feedback Loop (حلقة رد الفعل): تحسين الفرضيات بناءً على النتائج
المتطلبات التقنية
المتطلبات الأساسية
- Python 3.11 أو 3.12
- أحد الخيارات التالية:
- الخيار A: مفتاح Anthropic API (دفع حسب الاستخدام)
- الخيار B: تثبيت Claude Code CLI (يتطلب الاشتراك Max)
دليل التثبيت
التثبيت الأساسي
# استنساخ المستودع
git clone https://github.com/jimmc414/Kosmos.git
cd Kosmos
# إنشاء بيئة افتراضية
python3.11 -m venv venv
source venv/bin/activate # Windows: venv\Scripts\activate
# تثبيت الاعتمادات
pip install -e .
# دعم Claude Code CLI (الخيار B)
pip install -e ".[router]"
الخيار A: تكوين Anthropic API
# نسخ المثال التكويني
cp .env.example .env
# تحرير .env وتعيين مفتاح API الخاص بك
# ANTHROPIC_API_KEY=sk-ant-api03-your-actual-key-here
احصل على مفتاح API الخاص بك من console.anthropic.com
المزايا:
- دفع حسب الاستخدام
- لا يتطلب تثبيت CLI
- يمكن العمل من أي مكان
العيوب:
- تكلفة حسب الرمز
- حدود معدل
الخيار B: تكوين Claude Code CLI
# 1. تثبيت Claude Code CLI
# زيارة https://claude.ai/download واتبع التعليمات
# 2. توثيق Claude CLI
claude auth
# 3. نسخ المثال التكويني
cp .env.example .env
# 4. تحرير .env وتعيين مفتاح API كـ 9s (لتوجيه الـ CLI)
# ANTHROPIC_API_KEY=999999999999999999999999999999999999999999999999
هذا سيوجه جميع مكالمات API إلى Claude Code CLI المحلي، باستخدام اشتراكك Max، بدون تكلفة الرمز.
المزايا:
- لا توجد تكلفة للرمز
- استخدام غير محدود
- أحدث نموذج Claude
- التنفيذ المحلي
العيوب:
- يتطلب تثبيت Claude CLI
- يتطلب الاشتراك Max
بدء قاعدة البيانات
# تشغيل هجرة قاعدة البيانات
alembic upgrade head
# التحقق من إنشاء قاعدة البيانات
ls -la kosmos.db
بدء سريع
مثال أساسي للاستخدام
from kosmos import ResearchDirector
# تهيئة مدير البحث
director = ResearchDirector()
# طرح سؤال البحث
question = "ما العلاقة بين الحرمان من النوم وتقوية الذاكرة؟"
# تشغيل البحث المستقل
results = director.conduct_research(
question=question,
domain="neuroscience",
max_iterations=5
)
# عرض النتائج
print(results.summary)
print(results.key_findings)
خيارات التكوين
جميع التكوينات تتم عبر المتغيرات البيئية (راجع .env.example):
التكوين الأساسي
ANTHROPIC_API_KEY: مفتاح API أو999...للوضع CLICLAUDE_MODEL: النموذج المستخدم (بالنسبة للوضع API فقط)DATABASE_URL: سلسلة اتصال قاعدة البياناتLOG_LEVEL: مستوى التفصيل للسجل
تكوين البحث
MAX_RESEARCH_ITERATIONS: أقصى عدد من التكرارات المستقلةENABLED_DOMAINS: المجالات العلمية المعتمدةENABLED_EXPERIMENT_TYPES: أنواع التجارب المسموح بهاMIN_NOVELTY_SCORE: الحد الأدنى لدرجة التجديد
تكوين الأمان
ENABLE_SAFETY_CHECKS: التحقق من الأمان للرموزMAX_EXPERIMENT_EXECUTION_TIME: وقت انتهاء الصلاحية للتجربةENABLE_SANDBOXING: تنفيذ الرموز في صندوق الرملREQUIRE_HUMAN_APPROVAL: الحاجة للموافقة البشرية
تحسين الأداء
نظام التخزين المؤقت
يحتوي Kosmos على نظام تخزين مؤقت متعدد الطبقات يمكنه خفض تكلفة API بنسبة 30-40%:
# عرض أداء التخزين المؤقت
kosmos cache --stats
# مثال على الناتج:
# أداء التخزين المؤقت العام:
# عدد الطلبات الكلي: 500
# ضربات التخزين المؤقت: 175 (35%)
# تقدير توفير التكلفة: $15.75
ملاحظة: تخزين الإرشادات المؤقت الذي يوفر توفيرًا كبيرًا في التكلفة متاح حاليًا فقط عند استخدام Anthropic Claude. OpenAI والموفرين المحليين يستخدمون فقط تخزين الردود في الذاكرة.
اختيار النموذج الذكي
عند استخدام Anthropic كمورد LLM، يقوم Kosmos باختيار النموذج المناسب من Claude بناءً على تعقيد المهمة:
- Claude Sonnet 4.5: الاستدلال المعقد، توليد الفرضيات، التحليل
- Claude Haiku 4: المهام البسيطة، استخراج البيانات، التنسيق
هذا يخفض التكلفة بنسبة 15-20% مع الحفاظ على الجودة.
ملاحظة: هذه الميزة خاصة بـ Anthropic Claude.
هيكل المشروع
kosmos/
├── core/ # البنية التحتية الأساسية (LLM، التكوين، السجلات)
├── agents/ # تنفيذ الوكلاء
├── db/ # نماذج قاعدة البيانات والعمليات
├── execution/ # محرك تنفيذ التجارب
├── analysis/ # تحليل النتائج والتصور
├── hypothesis/ # توليد وإدارة الفرضيات
├── experiments/ # قوالب التجارب
├── literature/ # البحث والتحليل الأدبي
├── knowledge/ # خريطة المعرفة والبحث الدلالي
├── domains/ # أدوات خاصة بالمجال (البيولوجيا، الفيزياء، إلخ)
├── safety/ # التحقق من الأمان والتحقق
└── cli/ # واجهة السطر الأوامر
tests/
├── unit/ # اختبارات الوحدة
├── integration/ # اختبارات التكامل
└── e2e/ # اختبارات من البداية إلى النهاية
docs/
├── kosmos-figures-analysis.md # أنماط التحليل من kosmos-figures
├── integration-plan.md # خطة التكامل
└── domain-roadmaps/ # خرائط الطريق الخاصة بالمجال
اختبار التطوير
# تثبيت الاعتمادات للتطوير
pip install -e ".[dev]"
# تشغيل جميع الاختبارات
pytest
# تشغيل اختبارات التغطية
pytest --cov=kosmos --cov-report=html
# تشغيل مجموعة اختبارات محددة
pytest tests/unit/
pytest tests/integration/
pytest tests/e2e/
# تنسيق الرمز
black kosmos/ tests/
# فحص الرمز
ruff check kosmos/ tests/
# فحص الأنواع
mypy kosmos/
خريطة طريق التطوير
✅ تم (10 مراحل)
المرحلة 1: أساس المشروع ✅
- هيكل المشروع
- تكامل Claude (API + CLI)
- نظام التكوين
- إطار الوكلاء
- إعداد قاعدة البيانات
المرحلة 2: قدرات الأدبيات ✅
- واجهات برمجة التطبيقات للأدبيات (arXiv، Semantic Scholar، PubMed)
- وكيل تحليل الأدبيات
- قاعدة بيانات البحث الدلالي
- خريطة المعرفة
المرحلة 3: توليد الفرضيات ✅
- وكيل توليد الفرضيات
- فحص التجديد
- ترتيب أولويات الفرضيات
المرحلة 4: تصميم التجارب ✅
- وكيل تصميم التجارب
- قوالب البروتوكولات
- تقدير الموارد
المرحلة 5: تنفيذ التجارب ✅
- بيئة تنفيذ صندوق الرمل
- تكامل أنماط kosmos-figures
- التحليل الإحصائي
المرحلة 6: تحليل النتائج ✅
- وكيل تحليل البيانات
- توليد التصورات
- ملخص النتائج
المرحلة 7: تنسيق البحث ✅
- وكيل إدارة البحث
- حلقة رد الفعل
- اكتشاف التقارب
المرحلة 8: الأمان والتحقق ✅
- التحقق من الأمان
- أدوات خاصة بالمجال
المرحلة 9: النشر الإنتاجي ✅
- تحسين الأداء (تحسين 20-40×)
- نظام التخزين المؤقت متعدد الطبقات
- اختبار شامل (90%+ تغطية)
المرحلة 10: التوثيق والتحسين ✅
- توثيق غني (10,000+ سطر)
- دليل المستخدم
- وثائق API
- أمثلة الرمز
حالات اكتشافات علمية
لقد أنتج Kosmos اكتشافات علمية مثبتة في مجالات متعددة:
1. علم الأيض - حماية الدماغ من برودة الحرارة
أعاد تأكيد اكتشافات لم تنشر بعد في مخطوطات، حيث تم تحديد أن أيض النوكليوتيدات هو المسار الرئيسي للتغيير في دماغ الفئران في درجات الحرارة المنخفضة.
2. علوم المواد - كفاءة الخلايا الشمسية
اكتشف أن الرطوبة أثناء المعالجة الحرارية هي عاملاً محددًا رئيسيًا لكفاءة الخلايا الشمسية، وأُحدد عتبة الرطوبة الحرجة.
3. العلوم العصبية - اتصال شبكات الدماغ
أظهر أن شبكات الدماغ عبر الأنواع تتبع نمط لوغاريتمي طبيعي وليس نمط القوة.
4. أمراض القلب - عامل حماية SOD2
اكتشف أن بروتين SOD2 يبدو أنه يحمي القلب عن طريق تقليل التليف.
5. السكري - تباين جين SSR1
اكتشف أن التباين الجيني بالقرب من جين SSR1 قد يكون له تأثير حماية على السكري من النوع الثاني.
6. مرض ألزهايمر - طريقة التحليل الزمني
제안한 새로운 기술을 사용하여 시간에 따른 뇌 세포에서의 단백질 변화를 추적합니다.
7. 신경 퇴행성 질환 - 포스파티딜세린 노출
노화와 관련된 플립라제 발현 손실로 인해 뉴런이 "먹어주세요" 신호를 노출하는 것을 확인했습니다.
연구 효율성: 독립 과학자들이 Kosmos 보고서의 79.4% 진술이 정확하다고 보고했으며, 협력자는 20회 순환 실행이 평균적으로 그들 자신의 6개월 연구 시간과 동등하다고 보고했습니다.
영감의 원천
이 프로젝트는 다음과 같은 작업에서 영감을 얻었습니다:
- 논문: Kosmos: An AI Scientist for Autonomous Discovery (2025년 11월)
- 분석 패턴: kosmos-figures 저장소
- Claude Router: claude_n_codex_api_proxy
기여 가이드
기여 환영합니다! 가이드는 CONTRIBUTING.md를 참조하세요.
환영되는 기여 영역:
- 분야별 도구 및 API
- 다양한 분야의 실험 템플릿
- 문헌 API 통합
- 안전 검증
- 문서
- 테스트
라이선스
MIT License - 자세한 내용은 LICENSE를 참조하세요.
인용
Kosmos를 연구에 사용하시면 다음을 인용해 주세요:
@software{kosmos_ai_scientist,
title={Kosmos AI Scientist: Multi-Provider Autonomous Scientific Discovery},
author={Kosmos Contributors},
year={2025},
url={https://github.com/jimmc414/Kosmos}
}
감사의 말
- Anthropic에서 제공하는 Claude 및 Claude Code
- Edison Scientific에서 제공하는 kosmos-figures 분석 패턴
- 오픈 사이언스 커뮤니티에서 제공하는 문헌 API 및 도구
지원 및 커뮤니티
- Issues: GitHub Issues
- 토론: GitHub Discussions
프로젝트 상태
상태: 프로덕션 준비 완료 (v0.2.0) - 모든 10 개 개발 단계 완료
마지막 업데이트: 2025-11-07
문서 리소스
- 아키텍처 개요 - 시스템 설계 및 구성 요소
- 통합 계획 - kosmos-figures 패턴 통합 방법
- 분야별 로드맵 - 분야별 구현 가이드
- API 참조 - API 문서
- 기여 가이드 - 어떻게 기여할 수 있는지
핵심 장점 요약
- 완전히 자동화: 가설에서 발견까지의 전체적인 자동화
- 다양한 분야 지원: 생물학, 물리학, 화학 등 여러 분야 지원
- 검증됨: 7개의 검증된 과학적 발견
- 비용 최적화: 다중 캐시 레벨로 30-40% 비용 절감
- 유연한 통합: API 및 CLI 두 가지 방식 지원
- 안전하고 신뢰성 있음: 샌드박스 실행, 검증 메커니즘, 90%+ 테스트 커버리지
- 프로덕션 준비 완료: v0.2.0 버전, 모든 개발 단계 완료