airmosaic-ai
AirMosaic AI / 清空智枢
围绕科学问题，以可复用的方法、数据和计算机操作技能协助大气环境研究的智能体。
| English | 中文 |
研究覆盖范围
AirMosaic 将人类活动与自然环境的变化，同排放、大气浓度及其影响联系起来，目标是通过持续吸收经审核证据的研究架构，协助研究者开展污染成因分析与影响评估。具体研究可以围绕一个环节展开，也可以串联多个环节，通过引用复用已有数据和方法。
| 研究环节 | 关键覆盖范围 | 方法入口 |
|---|---|---|
| 01 社会经济与自然变化 | 活动、人口、能源、技术、土地利用、气象和自然驱动 | 方法说明 |
| 02 排放清单 | 核算边界、活动与技术转为排放的方法、治理效率和分配 | 方法说明 |
| 03 大气输送与化学 | 大气输入和过程、浓度模拟、观测与评估 | 方法说明 |
| 04 综合影响评估 | 健康、经济、分配、生态、农业和气候影响 | 方法说明 |
根据科学问题选择和组合方法：例如，通过投入产出分析研究生产与消费变化，再结合排放核算和大气过程模拟，评估这些变化对污染浓度及健康、经济和生态的影响。方法衔接时，需明确各环节的输入输出、科学假设、时空尺度和适用范围，并保留相应的不确定性，供研究者判断结果是否能够支持研究结论。
各部分如何协作
methods/ 解释为什么采用一种方法，以及它能回答什么；skills/ 说明计算机怎样使用相应代码或软件，并检查输出。研究者在 projects/ 定义问题，智能体结合有关方法、获授权数据和已有技能组织实验，将代码、配置、实验结果与评价保存在对应项目中。workflows/ 提供可复用的步骤组合；assets/ 管理研究输入及经人类审核后入库的数据产品。
图中主线为 projects/（保存实验结果与评价）→ 人类科学审核 → assets/（仅纳入审核通过的选定成果）。报告与审核记录保留在项目中，需要修订时反馈给项目与工作流；未获批准的结果不入库。资产内部组织方式留待后续确定。
| 目录 | 用途 |
|---|---|
| methods/ | 面向人类的学科背景、核心问题、方法选择、假设、质量与结果解释 |
| skills/ | 计算机可操作的代码/软件说明、依赖、配置、调用及结果检查；数据获取与模型操作共用研究阶段导航 |
| workflows/ | 可复用的数据与技能组合、交接契约和经过验证的示例，保留复用条件 |
| projects/ | 具体科学问题、研究设计、实验代码、配置、结果、评价和审核记录；引用共享方法、技能与数据 |
| assets/ | 经审核成果的保存与复用入口；内部组织方式后续完善 |
| catalog/ | 能力声明；catalog/tools/ 是可执行工具注册来源，供发现及前提检查使用 |
| runtime/ | 公共运行服务、CLI 与 MCP；已注册操作共用一套能力目录和执行器 |
| config/examples/ | 公用参数与路径示例；实际个人设置及凭据保留在仓库外 |
| harness/ | 协作与代理边界、安装、存储、执行记录及 harness/checks/ 中的检查 |
安装后的布局见布局说明。本地环境、包元数据与缓存目录是生成产物，不是额外的科学层级。methods/index.yaml维护详细的方法与技能引用，总览不重复维护持续变化的能力清单。
从研究到可复用证据
- 定义与规划。 研究者提出科学问题、预期用途和验收条件，智能体根据相关方法、数据契约与实际技能能力准备方案，将未决假设保留供审核。
- 获取、计算与评价。 在获准范围内使用已有的数据获取和模型操作，检查各次交接，在对应项目中保存实际代码、设置、输入版本、结果及评价。缺少实现或科学前提时明确适配需求，不虚构工具调用。
- 审核与改进。 人类审核核心结果、限制与获准用途，反馈可以修订实验并优化其可复用工作流。通用计算机操作归技能，科学依据归方法。
- 复用选定成果。 人类根据科学审核决定哪些成果可纳入
assets/，供后续研究复用；项目保留原始实验结果与审核记录。报告留在项目中，发布另行决定。本轮不规定资产内部的组织方式。
例如，经过审核的污染预测项目，可以提炼出观测与网格输入匹配、模型构建及留出预测评价的可复用流程。工作流保留共用过程，新项目仍需决定目标、变量、验证和科学范围。一次运行成功不代表工作流或数据产品适合所有研究。
当前 CLI/MCP 的发现与已注册执行能力通过共用目录和执行器实现。通用自主研究设计、任意跨工具编排、自动提炼工作流、科学审批和数据入库尚未实现为服务。智能体可以引导文档规定的步骤并调用已支持接口，但工作流说明或项目清单不会自行执行。数据登记目前遵循人工审核与复用流程。
开始一个任务
- 找到相关研究环节，阅读有关方法、假设和适用范围。
- 通过技能导航选择操作，阅读输入、配置、调用、当前可用状态和结果检查。
- 以工作流为参考，在项目中明确数据、方案、预算、评估及输出位置，执行前完成必要审核。
具体能力会持续变化，通过分类导航和工具查询查看当前入口与依赖，项目README 不维护固定能力清单：
python -m pip install -e '.[dev]'
python -m runtime.cli list-tools --format json
环境准备见安装与基础用法、配置示例、run-tool和 MCP 连接。
数据、协作与贡献
实验产物按项目约定归入 projects/<number_topic>/results/，内部布局由任务选择。私人项目结果保留在 Git 外；仓库中的本地结果目录被 Git 忽略。是否纳入 assets/ 与是否公开发布分别由人类审核决定。个人配置和凭据继续按存储规范分离。
当前执行器仍使用原有外部项目结果路径，新项目结果路径的执行器适配尚未实现；不得直接把新目录传给不支持的接口。兼容目录中的文件仍属于项目实验记录，保存成功不表示已经入库。详见结果与审核约定，本次说明调整不迁移历史结果。
代理遵循 AGENTS.md。贡献者阅读技能编写与注册规范。详细方法与技能关系由 methods/index.yaml 维护，可执行登记由 catalog/tools/ 维护；常规入口更新不要求扩充本总览。
许可证
Apache-2.0，见 LICENSE。