bo老师
开源仓库wanshuiyin/Auto-claude-code-research-in-sleep13,266 Stars

ARIS (Auto-Claude-Code-Research-in-Sleep)

用Markdown skill编排从选题到论文写作的科研全流程自动化

面向希望用AI agent串联科研全流程的研究者。把选题发现、实验执行、跨模型审稿、论文写作和审计拆成可组合的skill，支持夜间无人值守运行。

bo老师判断：值得观察

方向值得关注，建议先确认当前任务是否真正需要它。

访问原仓库查看分享卡
...互动状态已更新

什么时候用

先判断任务是否合适

  • 希望让AI agent自动完成选题→实验→审稿→写作的完整科研循环时
  • 需要跨模型审稿（用不同模型家族做独立评审）时
  • 需要夜间自动运行长链路科研任务并监控授权状态时

先准备什么

材料越清楚，结果越有用

  • •准备研究方向描述或已有论文改进目标
  • •配置Claude Code或Codex CLI环境及API密钥
  • •配置至少一个外部reviewer模型（Gemini/OpenAI兼容接口/手动中转）
  • •如有GPU实验需准备GPU环境、SSH访问和训练脚本

它会怎样推进

从材料到可以检查的结果

  1. 01

    选题发现

    从研究方向出发，串联文献检索、创意生成、新颖性检查和研究评审

  2. 02

    实验桥接

    将实验计划转化为可运行代码，先跑sanity检查再部署全量实验

  3. 03

    自动审稿

    外部reviewer对代码、结果和论文草案做多轮严厉评审和修复

  4. 04

    叙事交接

    汇总选题报告、实验结果和审稿记录，生成叙事报告

  5. 05

    论文写作

    将叙事报告转为论文结构、图表、LaTeX正文和审计报告

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。跑通以后，再把自己的真实材料放进去。

第一次直接复制

帮我安装这个库：https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep
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。

结果出来后

先看这些检查点

  • 审稿循环是否由不同于执行模型的外部reviewer独立完成
  • 阶段状态文件中done和accepted是否被正确分离
  • 实验结果的JSON/CSV是否可解析并包含必要指标
  • 论文审计产物（proof/claim/citation）是否通过verifier检查

常见误区

这些判断仍由你负责

  • 让执行模型自评结果并直接放行（必须由外部reviewer或人工确认）
  • 未经人工确认就启动GPU全量实验和论文写作（会消耗大量成本）
  • 把审稿循环的almost verdict等同于期刊录用标准

技术依据

查看能力拆解、验证范围与来源

能力地图6 项已拆解能力
  1. 01

    ARIS-Monitor授权状态监控

    在本地以只读方式扫描 Claude Code 会话状态，准确识别哪个会话正在等待用户授权，并用置顶小窗提示，用户点击时只把对应终端窗口带到前台。

  2. 02

    Research Wiki持久科研记忆

    把论文、idea、experiment、claim 和它们之间的关系保存为项目内 research-wiki/，再生成压缩 querypack.md，让后续选题、文献、实验和主张判断能复用旧证据、失败经验和领域缺口。

  3. 03

    skill包安装与多宿主分发

    把仓库内 skills/<name/SKILL.md 分发到 Claude Code、Codex 等宿主项目中，使用平铺 symlink、manifest、lock 和 doc managed block 管理安装、更新、卸载和 helper 解析。

  4. 04

    多模型Reviewer MCP桥接

    为 ARIS 的跨模型评审提供多个 reviewer bridge，包括 Codex 默认路径之外的 manual review、Claude review、Gemini review 和 OpenAI-compatible LLM chat，使执行宿主可以把评审 prompt 交给不同模型家族或人工中转，并保留线程或异步 job 状态。

能力主要输入主要输出人工检查

ARIS-Monitor授权状态监控

源码已核对

  • ~/.claude/sessions/<pid.json live session registry。
  • 可选 transcript path，由 sessionId 与 cwd slug 推导。
  • 当前时间、session pid、cwd、updatedAt、waitingFor 和 status。
  • 浮窗 UI。
  • scanner.py CLI 输出的分类列表。
  • header summary counts。
  • 点击窗口行触发 focus。
  • 是否关闭小窗。

Research Wiki持久科研记忆

源码已核对

  • research-wiki/ 项目目录或空项目。
  • arXiv ID、title、authors、year、venue、thesis 和 tags。
  • idea、experiment、claim 记录和关系边。
  • research-wiki/index.md
  • research-wiki/log.md
  • research-wiki/gapmap.md
  • 手动 paper metadata 是否可信。
  • 关系边 evidence 是否足够。
  • 失败 idea 是否属于真实研究失败，而非工具环境失败。

skill包安装与多宿主分发

源码已核对

  • ARIS repo 路径。
  • 目标 project path。
  • 目标宿主：Claude Code 的 .claude/skills 或 Codex 的 .agents/skills。
  • .claude/skills/<skill 或 .agents/skills/<skill。
  • .aris/installed-skills.txt 或 .aris/installed-skills-codex.txt。
  • .aris/tools symlink。
  • 是否替换 foreign symlink。
  • legacy copy install 如何迁移。
  • Codex overlay 选择哪一个。

多模型Reviewer MCP桥接

源码已核对

  • reviewer prompt、config、model reasoning effort、threadId 或 jobId。
  • 环境变量中的 API key、model、base URL、timeout 和 state dir。
  • 人工 review 的 browser 或 file mode 输入。
  • reviewer response。
  • threadId 或 jobId。
  • pending review state。
  • manual review 时由用户选择外部模型。
  • 是否接受 file mode 里粘贴的 response。
  • 是否把 bridge 安装为长期 MCP server。

实验计划到GPU执行桥接

源码已核对

  • refine-logs/EXPERIMENTPLAN.md
  • refine-logs/EXPERIMENTTRACKER.md
  • refine-logs/FINALPROPOSAL.md
  • refine-logs/EXPERIMENTRESULTS.md
  • refine-logs/EXPERIMENTTRACKER.md
  • 可选 EXPERIMENTLOG.md
  • 是否允许部署全量实验。
  • 是否接受 reviewer 指出的 critical issue 已修复。
  • 是否继续运行大规模多 seed sweep。

科研全流程阶段调度

源码已核对

  • 一句话研究方向，或 RESEARCHBRIEF.md。
  • 可选 ref paper、base repo、venue、human checkpoint、reviewer difficulty、auto write 等参数。
  • 项目目录内的 idea-stage、refine-logs、review-stage 和 paper 产物。
  • idea-stage/IDEAREPORT.md
  • refine-logs/EXPERIMENTRESULTS.md
  • review-stage/AUTOREVIEW.md
  • 是否允许自动选择 idea。
  • 是否允许部署实验和消耗 GPU。
  • 是否进入 paper writing。

处理机制

  1. 01

    Markdown skill与artifact合同总图

    解释 ARIS 怎样把纯 Markdown skill、shared references、helper scripts、MCP reviewer、project artifacts、run state 和安装 manifest 组合成一套可跨宿主迁移的科研自动化骨架。

已核对范围

  • 读取 aris-monitor/README.md 的 read-only 监控、needs approval 信号和 focus 边界
  • 读取 aris-monitor/scanner.py 的 status=="waiting"、session scan、summary 和 transcript tail 逻辑
  • 读取 aris-monitor/widget.py 的浮窗渲染、红色提示、折叠和 focus 调用
  • 读取 README 中 ARIS-Monitor 与 Claude Fleet 的定位
  • 读取 skills/research-wiki/SKILL.md 的 entity、edge、目录结构、helper 解析和 subcommand
  • 读取 tools/researchwiki.py 的 init、addedge、rebuildquerypack、ingestpaper、sync 和 stats 函数
  • 读取 AGENTGUIDE 中 Research Wiki optional 和 Artifact Contracts
  • 读取 README 中 Research Wiki 的 lifecycle memory 说明

仍待核对

  • 未启动 ARIS-Monitor GUI
  • 未读取真实 ~/.claude/sessions
  • 未调用 focus-tty.sh 或 osascript
  • 未运行 researchwiki.py
  • 未调用 arXiv Atom API
  • 未验证 querypack 对真实 idea generation 的影响
  • 未在临时项目运行安装脚本
  • 未验证 Windows PowerShell installer

读取版本

885a237b47d9bd70739efdc8b82fb27eeda8ec3f

许可

MIT

最近核对

内容 2026-06-16
Stars 2026-07-11

已完成源码核对

相关文章

科研之我见

AI 科研全流程怎么搭，我梳理出三个核心入口

每天开工先固定阶段入口、材料入口和验证入口，把庞大的科研全流程收缩成一段可执行、可检查的任务。

查看内容

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

科研之我见

用 AI 写文献综述，怎样控制幻觉和证据断裂

把文献关系、核心文献筛选、方法矩阵和四类 Gap 分开处理，让综述中的每个判断都能回到具体材料。

查看内容

具备相关能力的其他库

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