AI-CoScientist: Unified Proposal Engine (UPE)

7-Strategy RAG 기반 과학 제안서 자동 최적화 시스템

🚀 시스템 개요

AI-CoScientist **Unified Proposal Engine (UPE)**는 과학 연구 제안서를 자동으로 분석, 개선, 생성하는 차세대 AI 시스템입니다.

┌─────────────────────────────────────────────────────────────┐
│              AI-CoScientist Unified RAG System              │
├─────────────────────────────────────────────────────────────┤
│  ┌─────────────────────────────────────────────────────┐   │
│  │         Multi-Strategy Search Engine (MSS)          │   │
│  │  HYBRID │ GRAPH_RAG │ DD_RAPTOR │ GOLDEN_REFERENCE  │   │
│  │  MULTIMODAL │ SIMPLE │ PSYCHOLOGY                   │   │
│  └─────────────────────────────────────────────────────┘   │
│  ┌─────────────────────────────────────────────────────┐   │
│  │         Knowledge Bases (1,761+ documents)          │   │
│  │  DD-RAPTOR │ ESM3 Papers │ Grants │ NeurIPS 2025   │   │
│  └─────────────────────────────────────────────────────┘   │
│  ┌─────────────────────────────────────────────────────┐   │
│  │         6-Agent Proposal Pipeline (MAP)             │   │
│  │  Literature│Statistical│Hypothesis│Grant│Clinical│Neuro│
│  └─────────────────────────────────────────────────────┘   │
└─────────────────────────────────────────────────────────────┘

핵심 구성요소

약어	전체 이름	설명
UPE	Unified Proposal Engine	전체 시스템
MSS	Multi-Strategy Search	7-전략 검색 엔진
URO	Unified RAG Orchestrator	RAG 통합 오케스트레이터
MAP	Multi-Agent Pipeline	6-에이전트 파이프라인

---

⚡ Quick Start

설치

# 1. Clone & Setup
git clone https://github.com/your-repo/AI-CoScientist.git
cd AI-CoScientist

# 2. 의존성 설치
poetry install

# 3. 환경 설정
cp .env.example .env
# Edit .env with your API keys

🎯 기본 사용법

1. 제안서 최적화 (권장)

# 전체 최적화 (95+ 점수 목표)
poetry run python scripts/proposal_optimizer_unified.py optimize \
    --input "your_proposal.md" \
    --mode full \
    --enable-cross-domain

# 빠른 개선 (85+ 점수 목표)
poetry run python scripts/proposal_optimizer_unified.py optimize \
    --input "your_proposal.md" \
    --mode quick

2. Multi-Strategy 검색

# CLI 검색
poetry run python src/services/rag/multi_strategy_search.py \
    "ESM3 protein structure brain development"

# 특정 전략 지정
poetry run python src/services/rag/multi_strategy_search.py \
    "quantum machine learning" \
    --strategies "GRAPH_RAG,HYBRID" \
    --domain "quantum_ml"

3. Multi-Agent 파이프라인

# 6-에이전트 전체 파이프라인
poetry run python scripts/multi_agent_unified_pipeline.py \
    --mode full_pipeline \
    --input "proposal.md" \
    --output "enhanced_proposal.md" \
    --enable-cross-domain

4. 성능 벤치마크

# 벤치마크 실행
poetry run python src/monitoring/unified_performance_dashboard.py \
    --benchmark --queries 20

# 리포트 생성
poetry run python src/monitoring/unified_performance_dashboard.py \
    --report --output report.json

---

📊 최적화 모드

모드	용도	품질 목표	소요시간
full	전체 최적화	95+ 점수	15-20분
quick	빠른 개선	85+ 점수	3-5분
research	문헌 검토 강화	90+ 점수	5-10분
validation	주장 검증	88+ 점수	5-10분
cross_domain	ESM3+뇌과학+양자ML 융합	95+ 점수	10-15분

---

🔧 7-Strategy RAG 시스템

전략 설명

전략	용도	최적 도메인
HYBRID	범용 통합 검색	일반
GRAPH_RAG	지식 그래프 기반 관계 분석	Quantum ML, 복잡한 쿼리
ENHANCED_DD_RAPTOR	발달장애 전문 검색	뇌과학, 발달장애
GOLDEN_REFERENCE	고품질 참조 논문	일반, 신경과학
MULTIMODAL_RAG	다중 모달 콘텐츠	복합 데이터
SIMPLE_RAG	빠른 기본 검색	단순 쿼리
PSYCHOLOGY_RAG	심리학 전문 검색	심리학, 정신건강

Python API 사용

import asyncio
from src.services.rag.multi_strategy_search import create_search_engine

async def search_example():
    # 엔진 초기화
    engine = await create_search_engine()

    # 검색 실행
    result = await engine.search(
        query="ESM3 protein structure prediction for brain development",
        domain="neuroscience",
        complexity="complex"
    )

    print(f"전략 사용: {result.strategies_used}")
    print(f"결과 수: {result.total_sources}")
    print(f"평균 관련성: {result.avg_relevance:.3f}")
    print(f"Cross-Domain: {result.cross_domain_detected}")

asyncio.run(search_example())

---

📚 Knowledge Base

현재 시스템에 통합된 지식 베이스:

데이터베이스	문서 수	도메인	임베딩 차원
DD-RAPTOR	1,525	발달장애, 뇌과학	768 (SciBERT)
ESM3 Papers	84	단백질 연구	384 (MiniLM)
Grant Proposals	152	연구 제안서	384 (MiniLM)
Total	1,761+	Multi-domain	Mixed

---

📈 Performance Metrics

최근 벤치마크 결과:

✅ 성공률: 100% (10/10 쿼리)
⏱️ 평균 Latency: 426.8ms
🔧 7개 Strategy 활성화
🌐 Cross-Domain 감지: 100%

모니터링

# 실시간 대시보드
poetry run python src/monitoring/unified_performance_dashboard.py --serve

# JSON 리포트
poetry run python src/monitoring/unified_performance_dashboard.py --report

---

🏗️ 프로젝트 구조

AI-CoScientist/
├── src/
│   ├── services/rag/
│   │   ├── multi_strategy_search.py      # MSS: 7-전략 검색 엔진
│   │   ├── unified_rag_orchestrator.py   # URO: RAG 오케스트레이터
│   │   └── enhanced_dd_raptor.py         # DD-RAPTOR 전략
│   ├── agents/
│   │   ├── pool.py                       # 6-에이전트 풀
│   │   └── proposal_generation_agent_unified.py
│   └── monitoring/
│       └── unified_performance_dashboard.py  # 성능 대시보드
├── scripts/
│   ├── proposal_optimizer_unified.py     # 제안서 최적화
│   ├── multi_agent_unified_pipeline.py   # MAP 파이프라인
│   └── map_proposal_to_unified_evidence.py  # 근거 매핑
├── chromadb_data_dd/                     # DD-RAPTOR 벡터 DB
├── chromadb_grants_*/                    # 그랜트 벡터 DB
└── chromadb_new_papers_*/                # ESM3 벡터 DB

---

📖 Documentation

• CLAUDE.md - 개발자 가이드 및 아키텍처
• PROPOSAL_OPTIMIZATION_QUICK_REFERENCE_UNIFIED.md - 빠른 참조 가이드
• UNIFIED_RAG_MIGRATION_SUMMARY.md - 마이그레이션 요약

---

🔑 환경 변수

# LLM API Keys
OPENAI_API_KEY=your_openai_key
ANTHROPIC_API_KEY=your_anthropic_key

# Database
DATABASE_URL=postgresql://user:pass@localhost/aicoscientist

# Vector Store (ChromaDB paths are auto-detected)
CHROMADB_DD_RAPTOR_PATH=chromadb_data_dd

# Optional: NVIDIA NIM
NGC_API_KEY=your_ngc_key

---

📝 License

MIT License - see LICENSE for details.

---

Built with ❤️ by AI-CoScientist Team