开源仓库HKUDS/AI-Researcher5,576 Stars

AI Researcher

把机器学习研究想法或参考论文自动转成可运行实验和LaTeX论文

面向机器学习研究者,适合已有研究想法或参考论文后需要快速实现验证的场景。系统先检索相关代码和论文,再由多Agent协作完成实验实现、评审修正和论文撰写。

bo老师判断:谨慎使用

有明确用途,许可、运行风险或证据边界需要先核对。

...互动状态已更新

这个工具提供了哪些能力

点开任一能力,看清怎么用

每个能力展开后是三件事:它会给你什么、你需要准备什么、哪些必须由你把关。

常见场景:已有明确的研究想法,需要快速实现代码并验证可行性;拿到一篇参考论文,希望在其基础上产生创新想法并实验;需要构建新的机器学习基准数据集供后续研究使用;希望自动完成实验代码、评审修正和论文初稿撰写

覆盖阶段文献设计分析验证写作

第一次这样开始

把仓库地址直接交给 AI

先让 AI 说明环境和风险,再完成最小安装验证。开始前想清楚要用哪个能力、把对应材料备在手边——每张能力卡展开后有具体清单。

第一次直接复制

帮我安装这个库:https://github.com/HKUDS/AI-Researcher
安装前先告诉我需要什么环境,安装后帮我跑通一个最小示例。
请先说明许可证和安装风险,等我确认后再安装。

别这样用

这些判断,仍然由你负责

  • 在没有明确研究想法时启动系统,生成方向可能偏离预期
  • 忽略候选代码仓库和数据集的使用许可,未确认版权风险
  • 把自动评审的fully_correct当作绝对可信,跳过人工复核
  • 让系统在缺少GPU、Docker或API Key时强行运行导致中断

技术依据

查看能力拆解、验证范围与来源

处理机制

  1. 01

    Docker执行环境与浏览器下载边界

    解释 AI-Researcher 如何把 agent 的文件读写、命令执行、Python 运行、网页下载和数据集准备限制在 Docker workspace 与本地挂载目录之间,以及这个机制有哪些失败边界。

  2. 02

    MetaChain多agent工具调用与缓存

    解释 AI-Researcher 多张能力卡共享的 agent 运行骨架:模型消息怎样调用工具、工具结果怎样进入上下文、agent 怎样切换、错误怎样留在消息里、缓存怎样影响长流程恢复。

  3. 03

    基准实例与产物目录状态链

    解释 AI-Researcher 如何把 benchmark instance、dataset candidate、workspace project、paper source、paper agent target sections 和 cache/log 组织成一条产物状态链。

已核对范围

  • README Level 1 usage
  • researchagent/runinferplan.py
  • researchagent/inno/agents/innoagent/
  • researchagent/inno/workflow/flowcache.py
  • researchagent/inno/environment/dockerenv.py
  • README Level 2 usage
  • researchagent/runinferidea.py
  • ideaagent and codesurveyagent definitions

仍待核对

  • true LLM calls
  • Docker execution
  • GPU training
  • external GitHub and arXiv calls
  • generated project correctness
  • generated idea novelty
  • code survey completeness
  • true end to end run

读取版本

f9a6f8480860c193afff600eeffe3defcee8a978

许可

未发现明确许可

最近核对

内容 2026-06-16
Stars 2026-07-11

已完成源码核对

科研之我见

AI 可以参与科研的哪些环节?一张 11 环节工作流全景图

从选题、文献、理论、数据到投稿,逐环节判断 AI 可以主导、需要人工校验和必须由研究者把关的工作。

查看内容

文献 · 验证

paper-qa

从本地论文和文档中检索证据并生成带精确引用的科研答案

查看内容

文献 · 分析 · 写作

grobid

把学术论文PDF解析成结构化TEI XML,提取元数据、全文结构和参考文献

查看内容

设计 · 分析 · 验证

CausalPy

用贝叶斯方法做准实验因果推断,含10+方法和稳健性诊断套件

查看内容

相关课程

把单项工具放进完整研究设计流程

课程一从研究问题、文献判断、理论假设和方法骨架继续推进,帮助你建立可以复用的研究设计档案。

查看课程一