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
帮你把已有的研究想法跑成真正的实验:它根据你的想法、参考论文和候选代码仓搭好可运行的项目,跑两轮训练和测试,给出评审建议,并提交实验结果和后续改进计划。
它会给你什么
- 一个完整项目文件夹,含代码、数据处理、训练和测试脚本。
- 两轮训练和测试的运行结果。
- 自动评审给出的建议,以及是否达到合格状态的判定。
你需要准备
- 一个任务实例文件,里面写着参考论文、具体任务和目标论文地址。
- 你已经想好的研究想法。
- 参考论文的全文文本,可通过脚本或网页界面输入。
由你把关
- 是否允许外部模型读取你的论文、代码和实验结果,由你决定。
- 是否允许它在容器里运行并访问你的工作目录,由你决定。
- 机器的显卡、端口、缓存和输出目录是否可用,由你核对。
帮你从一篇参考论文出发想出新点子并实现它:你没有明确想法也行,它会先给出多个候选研究想法,挑一个细化,再完成代码调查、实验实现和评审修正。
它会给你什么
- 多个候选研究想法。
- 挑选并细化后的想法报告。
- 一份现有代码实现情况的调查报告。
你需要准备
- 一个任务实例文件,指明参考论文和任务要求。
- 一份参考论文清单,可自己输入或来自任务文件。
- 该研究类别的任务说明和数据集描述。
由你把关
- 生成的想法是否真的新颖、有没有和参考论文撞车,由你核对。
- 参考代码和数据集是否允许复用,由你核对。
- 代码调查是否覆盖了想法里的每个学术概念,由你核对。
帮你搭建自己的创新评测基准:给它一批论文标题或关键词,它会去多个文献库检索、下载论文,并用大模型整理出任务设定和领域信息,形成一套结构化的基准数据。
它会给你什么
- 一份论文标题清单。
- 下载好的论文 PDF 文件。
- 一份记录论文之间关系的结构化数据。
你需要准备
- 一批论文标题或关键词。
- 是否按标题精确匹配的开关。
- arXiv、Semantic Scholar 和 Crossref 这几个文献库的访问接口。
由你把关
- 论文标题和下载到的 PDF 是否对得上,由你核对。
- 来源论文是否真的支撑目标任务,由你核对。
- 自动生成的任务描述是否保留了论文作者的原意,由你核对。
帮你为实验备齐参考材料:它根据任务从基准数据里挑出相关的参考论文和开源代码,标出论文发布的时间界限,并把选中论文的原始源文件下载到本地。
它会给你什么
- 挑选出的参考代码仓库清单。
- 参考代码里的关键文件路径清单。
- 参考论文清单和本地的论文源文件。
你需要准备
- 基准数据里的参考论文清单,每条写明出处和用途。
- 目标论文的发布时间界限,防止用到未来的论文。
- 一个 GitHub 访问令牌,用于下载代码仓库。
由你把关
- 挑出的代码仓库是否真的对应那些论文,由你核对。
- 论文标题是否对应正确版本,由你核对。
- 下载的论文源文件能否供后续模型使用,由你核对。
帮你把写好的实验项目打磨到位:它先审查代码实现并给出修正建议,改完重新跑实验,然后正式提交运行结果,并产出实验分析报告和下一轮实验计划。
它会给你什么
- 一份代码审查报告。
- 自动评审的合格判定和修改建议。
- 修正后的项目文件夹。
你需要准备
- 当前采用的研究想法。
- 前面挑选好的参考代码仓库。
- 编码计划和模型调查笔记。
由你把关
- 自动评审的建议是否可信,由你核对。
- 是否继续占用显卡做修正和后续实验,由你决定。
- 正式提交时是否允许只改训练轮数这种取巧修改,由你决定。
帮你把实验结果写成论文初稿:它按研究领域和任务组织实验项目和材料,生成论文各章节的 LaTeX 文件和清理好的参考文献文件,得到一个可以尝试编译的论文项目。
它会给你什么
- 论文方法章节的源文件。
- 论文相关工作章节的源文件。
- 论文实验章节的源文件。
你需要准备
- 研究领域标识,比如视觉问答或推荐系统。
- 目标论文或项目的编号。
- 各环节的输出目录和基准数据文件。
由你把关
- 论文的目标会议和格式要求是否正确,由你核对。
- 各章节引用的是否是真实实验结果,由你核对。
- 相关工作里的每条引用是否都能查到原文,由你核对。
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
技术依据
查看能力拆解、验证范围与来源
处理机制
- 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。
- 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。
- 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
相关文章
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。
查看内容具备相关能力的其他库
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。