yakeworld/Synthos

Was macht Synthos?

Synthos – Ein selbstständig lernendes, kognitives Betriebssystem für wissenschaftliche Forschung. 7 kognitive Atome + Evolutionsmodul. Rein SKILL.md-gesteuert, ohne Python-Skripte.

Übersicht

Synthos ist ein rein durch SKILL.md definiertes Framework, das es KI-Agenten ermöglicht, wissenschaftliche Forschung autonom und iterativ durchzuführen. Es basiert auf sieben spezialisierten kognitiven Modulen („Atomen“), die verschiedene Phasen des wissenschaftlichen Prozesses abdecken:

1. Hypothesengenerierung – Analyse existierender Literatur und Daten zur Aufstellung neuer, testbarer Hypothesen.
2. Versuchsplanung – Entwurf kontrollierter Experimente, einschließlich Auswahl von Methoden, Proben und Auswertungskriterien.
3. Datenanalyse – Statistische und explorative Analyse der generierten Daten.
4. Interpretation & Schlussfolgerungen – Ableitung wissenschaftlich fundierter Schlüsse aus den Analysen.
5. Wissensbewertung – Bewertung der Zuverlässigkeit und Relevanz der Ergebnisse.
6. Evolution – Verbesserung des Gesamtsystems durch automatische Anpassung von Parametern, Entscheidungslogiken und Workflows.
7. Dokumentation & Veröffentlichung – Erstellung wissenschaftlicher Texte, Berichte und Publikationen.

Funktionsweise

Der gesamte Ablauf wird ausschließlich über SKILL.md-Dateien gesteuert. Das bedeutet: Es sind keine Python-Skripte, keine YAML-Konfigurationsdateien oder andere ausführbare Programme erforderlich. Jeder kognitive Atom ist als separate SKILL.md-Datei mit eigenen Anweisungen, Entscheidungsbäumen und Ausgabeformaten definiert. Die Evolution-Engine orchestriert diese Atome, indem sie Abhängigkeiten, Schleifen und Fortschrittskontrolle festlegt. Der Agent liest die SKILL.md-Dateien zur Laufzeit und führt die darin beschriebenen Schritte aus.

Unterstützte Plattformen

Synthos wurde für den Einsatz mit folgenden KI-Agenten konzipiert, ist aber bei Anpassung der SKILL.md-Definitionen auch auf anderen Systemen nutzbar:

• Claude Code (Anthropic)
• Cursor (Cursor AI)
• Codex (GitHub Copilot)

Vorteile

• Keine Abhängigkeit von Skripten – Vollständig durch Markdown-Dokumentation gesteuert.
• Autonome Verbesserung – Die Evolution-Engine optimiert kontinuierlich die Forschungspipeline.
• Wissenschaftliche Reproduzierbarkeit – Jeder Schritt ist in SKILL.md dokumentiert und kann exakt wiederholt werden.
• Erweiterbarkeit – Neue kognitive Atome können als einfache SKILL.md-Dateien hinzugefügt werden.

Beispiel-Workflow (vereinfacht)

1. Lade die SKILL.md-Datei HypothesisGeneration.md.
2. Analysiere die vorhandene Literatur (angegeben in einer Datenbank oder einem Wissensgraphen).
3. Generiere 3–5 testbare Hypothesen.
4. Lade ExperimentDesign.md und erstelle ein Versuchsprotokoll für die vielversprechendste Hypothese.
5. Führe die Schritte 1–4 rekursiv aus, bis eine ausreichende Schlussfolgerungsstärke erreicht ist.
6. Protokolliere alle Ergebnisse in einer chronologischen Übersicht.

Lizenz

Die SKILL.md-Dateien sind unter der MIT-Lizenz lizenziert, sofern nicht anders angegeben.