wanshuiyin/Auto-claude-code-research-in-sleep

# Auto-claude-code-research-in-sleep (ARIS ⚔️🌙) 💡 *在 Claude Code / Cursor / Trae 中将 ARIS 作为基于技能的工作流使用，或通过独立 CLI 获取完整体验——随心所欲！* 🤖 **AI 代理：** 请阅读 [`AGENT_GUIDE.md`](AGENT_GUIDE.md) —— 该文档专为 LLM 解析而设计，非供人类浏览。 🔥 [**ARIS-Code CLI — 独立安装版**](docs/ARIS-Code-README_CN.md) · [English](docs/ARIS-Code-README_EN.md) | [⬇️ 下载](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/releases/latest)   [中文版 README](README_CN.md) | English  [](https://mp.weixin.qq.com/s/tDniVryVGjDkkkWl-5sTkQ) · [](https://mp.weixin.qq.com/s/KLFU74lAL2FAIc9K6i1Kqg) · [](https://github.com/VoltAgent/awesome-agent-skills) · [-orange?style=flat)](https://aidigitalcrew.com) · [💬 加入社区](#-community) · [](#-citation) 为自主化机器学习研究工作流定制的 [Claude Code](https://docs.anthropic.com/en/docs/claude-code) 技能集。这些技能可编排**跨模型协作**——由 Claude Code 驱动研究进程，同时外部 LLM（通过 [Codex MCP](https://github.com/openai/codex））担任严格审稿人。🔀 **同时支持[替代模型组合](#-alternative-model-combinations)（Kimi、LongCat、DeepSeek 等）——无需 Claude 或 OpenAI API。** 例如，[MiniMax-M2.7 + GLM-5 或 GLM-5 + MiniMax-M2.7](docs/MiniMax-GLM-Configuration.md)。🤖 **[Codex CLI 原生支持](skills/skills-codex/)**——完整技能集同样适用于 OpenAI Codex。 🖱️ **[Cursor](docs/CURSOR_ADAPTATION.md)**——在 Cursor 中同样适用。🖥️ **[Trae](docs/TRAE_ARIS_RUNBOOK_EN.md)**——ByteDance AI IDE。🚀 **[Antigravity](docs/ANTIGRAVITY_ADAPTATION.md)**——Google 以 Agent 为中心的 IDE。🆓 **[通过 ModelScope 免费使用](docs/MODELSCOPE_GUIDE.md)——零成本，零锁定。** ## 🎯 不仅仅是 Prompt **基础模式**——为 ARIS 指定一个研究方向，它将处理其余所有工作： ``` /research-pipeline "factorized gap in discrete diffusion LMs" ``` **🔥 定向模式**——想改进某篇论文？将论文和代码交给 ARIS： ``` /research-pipeline "improve method X" — ref paper: https://arxiv.org/abs/2406.04329, base repo: https://github.com/org/project ``` ARIS 阅读论文 → 找出弱点 → 克隆代码库 → 生成专门利用*该*代码修复*这些*弱点的想法 → 运行实验 → 撰写论文。就像告诉研究助手：*"阅读这篇论文，使用这个仓库，找出缺失之处，并加以修复。"* **🔥 Rebuttal 模式**——审稿意见刚出？别慌。ARIS 会阅读每一条意见，制定策略，并起草一份有理有据、结构严谨且符合字符数限制的 Rebuttal： ``` /rebuttal "paper/ + reviews" — venue: ICML, character limit: 5000 ``` | 参数 | 默认值 | 功能说明 | |-----------|---------|-------------| | `venue` | `ICML` | 目标会议/期刊 (ICML/NeurIPS/ICLR/CVPR/ACL/AAAI/ACM) | | `character limit` | — | **必填项。** Rebuttal 文本的硬性字符数限制 | | `quick mode` | `false` | 在解析 + 策略制定后停止（阶段 0-3）。在起草前先了解审稿人的诉求 | | `auto experiment` | `false` | 当审稿人要求提供新证据时，通过 `/experiment-bridge` 自动运行补充实验 | | `max stress test rounds` | `1` | GPT-5.4 xhigh 对草稿进行压力测试的次数 | | `max followup rounds` | `3` | 每位审稿人的后续讨论轮次上限 | 三道安全关卡——如果任何一道未通过，Rebuttal 将不会定稿： - 🔒 **无捏造**——每一项声明都能映射到论文/审稿意见/用户确认的结果 - 🔒 **无过度承诺**——每一项承诺均经用户批准 - 🔒 **完全覆盖**——每一个审稿人的意见都会被追踪 两种输出：`PASTE_READY.txt`（精确字符数，可直接粘贴到会议系统） + `REBUTTAL_DRAFT_rich.md`（用于手动编辑的扩展版本）。 **论文录用后**——你的论文已被接收，现在开始准备演示文稿： ``` /paper-slides "paper/" # → Beamer PDF + PPTX + speaker notes + Q&A prep /paper-poster "paper/" # → A0/A1 poster PDF + editable PPTX + SVG ``` ## 🏆 使用 ARIS 构建的社区投稿 | 论文 | AI 审稿信号 | 状态 | 作者 | 技术栈 | |-------|:----------------:|--------|--------|-------| | **CS 论文投稿** | [CSPaper](https://cspaper.org/) 模拟审稿：**8/10**；AI 审稿人建议："clear accept" | 已投稿至某 CS 会议；等待官方反馈 | [@DefanXue](https://github.com/DefanXue) & [@Monglitay](https://github.com/Monglitay) | Claude Code + GPT-5.4 | | **AAAI 2026 论文投稿** | [Stanford Agentic Reviewer](https://paperreview.ai/) AAAI 风格审稿：**7/10**；AI 审稿人建议："good paper, accept" | 已投稿至 AAAI 2026 Main Technical；等待官方决定 | [@xinbo820-web](https://github.com/xinbo820-web) | Pure Codex CLI | | UAV-CC | 审稿中 | 已投稿至 IEEE TGRS | [@wxx827](https://github.com/wxx827) | Claude Opus 4.6 + Codex 5.4 xhigh + Cursor | ## 📢 最新动态 - **2026-05-06** —  🎤 **[`/paper-talk`](skills/paper-talk/SKILL.md) 工作流 + [`/slides-polish`](skills/slides-polish/SKILL.md) 技能——端到端的会议报告生成管道**。`/paper-talk` 编排 论文 → 幻灯片大纲 → Beamer + PPTX → 逐页打磨 → 质量审查 → 最终报告 的全流程（与 `/paper-writing`、`/paper-poster` 一脉相承）；组合调用 `/paper-slides`、`/slides-polish`，并在启用 `assurance: conference-ready` 时附加 `/paper-claim-audit` + `/citation-audit`。`/slides-polish` 是生成后的视觉优化阶段：基于参考 PDF 对每页进行 Codex 审查 + 修复模式目录（PPTX 字体缩放至 1.5-1.8× 以适应投影仪，字体放大后重绘文本框，banner 转为 tcolorbox，斜体样式泄漏防护，破折号间距，通过 PingFang SC 实现中文 EA 字体提示，匿名占位符规范）。质量阶梯 `draft / polished (默认) / conference-ready` 独立于投入度（effort）轴；`effort: lite, assurance: conference-ready` 是合法配置，意为“快速生成管道，但每次审查必须在输出最终结果前给出明确裁决”。阶段 4 的暂存适配器将幻灯片文本 + 演讲者备注 + 演讲脚本整合为一个合成的论文目录（`.aris/paper-talk/audit-input/sections/*.tex` + 软链接的 `.bib` / `results/` / `figures/`），以便现有的审查机制能按照其论文格式的契约运行，并根据 `shared-references/assurance-contract.md` 输出 6 状态 JSON 裁决。 - **2026-05-05** —  🔁 **`/resubmit-pipeline` — 工作流 5：纯文本跨会议重投** ([#208](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/208))。在严格约束下（无新实验、无参考文献编辑、无框架更改、绝不覆盖之前投稿）将已打磨的论文从一个会议/期刊投至另一个。5 个阶段：物理隔离 → 5 层匿名检查 → 审查（证明/声明/引用 `--soft-only`） → 通过 `/auto-paper-improvement-loop --edit-whitelist` 进行微编辑（带每轮 diff 门控） → 通过 `/kill-argument` 进行对抗性门控 → 最终编译 + 通过 `/overleaf-sync` 推送至 Overleaf。同一 PR 还附带两项前置 SKILL 升级：**`/auto-paper-improvement-loop --edit-whitelist `**（包含允许/禁止路径及 `forbidden_operations` 如 `new_cite` / `new_theorem_env` / `numerical_claim`、`forbidden_deletions`、`requires_user_approval_for`、`max_edits_per_round` 的 YAML schema）和 **`/citation-audit --soft-only`**（当参考文献被冻结时，将 KEEP/FIX/REPLACE/REMOVE 裁决转化为文本重写建议；对于幻觉引用执行 `drop_cite_in_body_only` 操作）。每个 `shared-references/assurance-contract.md` 对应一个主 `RESUBMIT_REPORT.json` 账本；包含 `USER_DECISION` 运行时状态在内的 7 种裁决失败模式表。 - **2026-05-05** —  🗡 **`/kill-argument` — 针对理论论文的对抗性攻击-裁决审查** ([#206](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/206))。两个全新的 Codex 5.5 + xhigh 线程：线程 1 撰写资深领域主席（Area Chair）会给出的最强 200 字拒稿备忘录；线程 2（独立裁决员，非辩护者）阅读当前论文，并将每个拒稿点分类为 `answered_by_current_text` / `partially_answered` / `still_unresolved`，并提供 file:line 证据。输出：`KILL_ARGUMENT.{md,json}`，仅作检测。已作为 `/paper-writing` 的**阶段 5.6**（在 claim-audit 和 citation-audit 之间）以及从 `/auto-paper-improvement-loop` 步骤 5.5 调用的规范实现整合——替代了这两处原有的内联 prompt。对于重度理论/大范围论文，在 `assurance: submission` 时强制执行；对于没有范围声明的经验性论文，输出 `NOT_APPLICABLE`。审查 JSON 兼容 `verify_paper_audits.sh`（完整 schema 见 `shared-references/assurance-contract.md`，6 状态裁决）。它能捕获基于分数的审查所遗漏的失败模式：当每个局部组件都正确（数字匹配、引用解析、定理证明）时，论文仍然夸大了其实际建立的贡献。 - **2026-05-04** —  🪲 **`/research-wiki` 及 8 个调用方技能现通过回退链解析 helper** ([#204](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/204))。缺陷：在执行 `bash tools/install_aris.sh` 后，helper 位于 `.aris/tools/research_wiki.py`（软链接），但技能硬编码了 `tools/research_wiki.py` 并在调用时静默失败——在完整的 W1 运行中 `research-wiki/` 始终为空。修复：在 [`shared-references/wiki-helper-resolution.md`](skills/shared-references/wiki-helper-resolution.md) 中编入了 3 层链（`.aris/tools/` → `tools/` → `$ARIS_REPO/tools/`）。位于 `/tools/research_wiki.py` 的手动复制方案属于第 2 层，因此作为临时修复使用 `cp` 安装了 helper 的用户仍可继续正常使用。**⚠️ 现有用户**：请重新运行一次 `bash tools/install_aris.sh`——同时会修复 helper 中一个单独的 Python 3.9 `ImportError`。 - **2026-05-03** —  🎨 **针对写作侧技能的可选 `— style-ref: ` 功能** ([#202](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/202))。`/paper-{plan,write,writing,illustration,poster,slides}`、`/grant-proposal 和 `/auto-paper-improvement-loop` 接受可选的 `— style-ref: ` 参数，该参数可模仿参考论文的*结构*风格（章节顺序、定理/图表密度、句子节奏、引用风格），**但不会复制其文本、声明或术语**。来源：本地 `.tex` 目录/文件、本地 PDF、arXiv ID (`2501.12345` 或 `arxiv:2501.12345`)、HTTP/HTTPS URL。不支持 Overleaf URL/ID——请先通过 `/overleaf-sync setup ` 进行克隆。**默认关闭**；未设置该标志时行为保持不变。审稿人/审查子技能（`/proof-checker`、`/paper-claim-audit`、`/citation-audit`、improvement-loop 审稿人）永远不会看到 style ref——保留了跨模型审查的独立性。**⚠️ 现有 ARIS 用户**：helper 随 `tools/extract_paper_style.py` 分发，通过 `.aris/tools` 软链接部署（`install_aris.sh` 阶段 0，在 [#192](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/192) 中添加）。**请重新运行一次 `bash tools/install_aris.sh`** 以刷新软链接并获取 helper。手动回退方案：`cp /tools/extract_paper_style.py /tools/`。如果两者都未执行，写作技能将中止并提示明确的错误指引。 - **2026-05-02** —  🪨 **社区亮点：由 [@SyntaxSmith](https://github.com/SyntaxSmith) 开发的 [rosetta](https://github.com/SyntaxSmith/rosetta)**。通过 Chrome CDP Fetch 拦截 + WebSocket 第二段流，从 Node 端以编程方式访问 **ChatGPT Pro / `gpt-5.5-pro` / DeepResearch**；为 Claude Code / Codex / Cline 提供了 MCP Server。对于调用 `— reviewer: oracle-pro` 的 ARIS 用户而言，这是另一种实现路径——目标能力相同（Pro 级别审稿人），但机制不同。已收录至[社区技能与扩展精选](#-awesome-community-skills--extensions)。如果你正在使用它，请给个 🌟！ - **2026-05-02** —  💎🧿 **模型及 MCP 路由更新**。(a) [`/gemini-search`](skills/gemini-search/SKILL.md) 默认模型升级至 `gemini-3-pro-preview`（最强 Gemini，开箱即用）。⚠️ **需执行操作**：要求 `gemini-cli` v0.40+（运行 `gemini --version`；若版本较旧请使用 `npm i -g @google/gemini-cli` 升级）。旧版覆盖方式：`/gemini-search "topic" — model: gemini-2.5-pro`。其他覆盖选项：`gemini-3-flash-preview`（更快），`auto-gemini-3`（负载路由）。(b) [`/idea-discovery`](skills/idea-discovery/SKILL.md) 阶段 1 现在默认将 Gemini 纳入其文献调研范围 ([#199](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/199))——除非用户显式传入 `— sources:`，否则自动注入 `— sources: all, gemini` 到 `/research-lit`；若未安装 `gemini-cli` 则优雅跳过。(c) 当调用 `— reviewer: oracle-pro`（特别是 `o3-deep-research` / `gpt-5.5-pro`）时，Oracle MCP 上游 PR 队列（[`steipete/oracle/pulls`](https://github.com/steipete/oracle/pulls)）是第一道分诊站——ARIS 并不内置 Oracle MCP；如果遇到异常行为请先检查上游 ([reviewer-routing.md](skills/shared-references/reviewer-routing.md)) - **2026-05-02** —  🛠️🔗 **工具基础设施迁移启动**。(a) [`install_aris.sh`](tools/install_aris.sh) 创建可选的 `.aris/tools` 软链接 ([#192](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/192)，关闭 [#174](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/issues/174))——4 步工具稳定性计划 (#174 → #176 → #177 → #178) 的阶段 0；幂等操作，**在重新运行前零影响**。(b) [`/experiment-queue`](skills/experiment-queue/SKILL.md) 编排路径已修复 ([#193](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/193))——该软链接的首个真实用例；通过 3 轮 Codex MCP `gpt-5.5` xhigh 审查修复了 7 个级联 Bug。纯文本及 docstring 更新；`queue_manager.py` 逻辑未受影响。Windows 版 `install_aris.ps1` 的并行更新将作为后续跟进 - **2026-05-02** —  🔬 **通过快速路径委托代理工作流引入三项新的可选审查标志** ([#187](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/187), [#188](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/188), [#189](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/189))。[`/citation-audit --uncited`](skills/citation-audit/SKILL.md) 显示没有 `\cite{}` 引用的 bib 条目（仅检测）。[`/proof-checker --deep-fix`](skills/proof-checker/SKILL.md) 在阶段 1 审稿人 prompt 中加入修复级计划（修正后的陈述/补丁计划/闭包测试 + Schur/二次型代数健全性检查）。[`/proof-checker --restatement-check`](skills/proof-checker/SKILL.md) 新增阶段 3.6 跨位置定理漂移检测（6 种漂移特征）。当标志未设置时**行为完全不变**。外加文档 PR [#190](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/190)（线程策略）+ [#191](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/191)（自动循环交叉引用）。委托代理 + 维护者修复模式；经 Codex MCP `gpt-5.5` xhigh 审查拦截了 6 个以上阻塞问题 - **2026-05-01** —  🔍 **Gemini + OpenAlex 文献来源已适配 `/research-lit`** ([#175](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/175)，由 [@stdAri](https://github.com/stdAri) 贡献)。两种可选来源：[`/gemini-search`](skills/gemini-search/SKILL.md)（通过 [`jamubc/gemini-mcp-tool`](https://github.com/jamubc/gemini-mcp-tool) MCP 进行 AI 驱动的发现）和 [`/openalex`](skills/openalex/SKILL.md)（超过 2.5 亿作品的开放引用图谱，无需 API key）。通过 `— sources: gemini` 或 `— sources: openalex` 触发；当使用默认的 `all` 时（两者均被排除）**行为完全不变**。维护者修复：纠正了 `@google/gemini-cli` 的 npm 包名；添加了 `try/except ImportError` + bash 预检，以便在缺少 `requests` 时优雅地跳过 OpenAlex - **2026-04-30** —  📝 **`/rebuttal` 按审稿人线程模式及可迁移模式** ([SKILL.md](skills/rebuttal/SKILL.md))。新增 `VENUE_MODE` (`single_document` | `per_reviewer_thread`) 适用于 OpenReview 类型的会议，`reviewer_priority: pivotal` 路由，`structural_distinction` 响应模式，5 种审稿人防御启发式规则，2 项阶段 5 检查，以及按严重性缩放的应力测试轮次。默认 `VENUE_MODE = single_document` 保持 ICML 风格行为——**现有用户体验零变更**。合并前后均进行了 3 轮跨模型审查 - **2026-04-30** —  🪞 **Codex 技能镜像重构 + 专用安装/更新链** ([#179](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/179)，由 [@No-518](https://github.com/No-518) 贡献)。`skills/skills-codex/` 现已镜像全部 67 项主线技能；使用 Codex 原生的 `spawn_agent` + `send_input` 替换了 `mcp__codex__codex` 审稿人路径。新增的 [`tools/install_aris_codex.sh`](tools/install_aris_codex.sh) + [`tools/smart_update_codex.sh`](tools/smart_update_codex.sh) 负责处理带有清单追踪的项目级软链接。防漂移机制：`tests/test_codex_skill_mirror.py` + `tests/test_codex_install_update.py`（覆盖 26 种失败路径）。在 [#184](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/issues/184) 中公开讨论 - **2026-04-24** —  🎨 **[`/paper-illustration-image2`](skills/paper-illustration-image2/SKILL.md)**——基于 Codex 原生图像生成作为阶段 2b 插图后端 ([#166](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/pull/166)，由 [@kbr19-thu](https://github.com/kbr19-thu) (清华) 贡献)。通过本地 [Codex app-server MCP bridge](mcp-servers/codex-image2/) 使用 ChatGPT Plus/Pro 配额——**无需 `GEMINI_API_KEY`**。由 `/paper-writing — illustration: codex-image2` 触发；默认仍为 `figurespec`（**行为零变更**）。异步 API，沙盒化写入至 `figures/ai_generated/`，符合 [integration-contract](skills/shared-references/integration-contract.md) 的 helper。标记为**实验性**（Codex 调试 app-server 在上游不稳定） - **2026-04-21** —  📚 **研究 Wiki 导入功能现已真正可用** ([`research_wiki.py`](tools/research_wiki.py)，[`/research-wiki`](skills/research-wiki/SKILL.md))。修复了用户报告的 `/research-wiki init` 导致 `papers/` 始终为空的 Bug（`ingest` 子命令之前没有实现；论文阅读技能也没有 wiki 钩子）。新增规范的 `python3 tools/research_wiki.py ingest_paper` helper 负责 slug 生成/元数据获取/去重/页面渲染；全部 6 个论文阅读技能均已接入。支持通过 `sync --arxiv-ids` 或 `sync --from-file` 进行手动回填。随附 [`integration-contract.md`](skills/shared-references/integration-contract.md) 规范了每个跨技能整合必须遵循的六组件模式 - **2026-04-21** —  🛡️ **质量关卡：`— effort: beast | max` 现在真正运行强制性审查** ([`assurance-contract.md`](skills/shared-references/assurance-contract.md)，[`tools/verify_paper_audits.sh`](tools/verify_paper_audits.sh))。修复了在高投入度下 `/proof-checker` / `/paper-claim-audit` / `/citation-audit` 被静默跳过的问题。新增独立于 `effort` 的 `assurance` 轴（`draft` | `submission`）：`lite` / `balanced` → `draft`（**行为零变更**），`max` / `beast` → `submission`。在 submission 级别，3 项审查会输出带有 6 状态裁决的 JSON 产物；`paper-writing` 阶段 6 运行外部验证器作为事实来源（非零退出码将阻断最终报告）。SHA256 输入哈希可捕获过期的审查结果。逃生舱口：`— effort: beast, assurance: draft`

更早的更新 (2026-03-12 — 2026-04-20，44 项)

- **2026-04-20** — 🩹 **项目安装：扁平化布局 + 清单追踪**——修复了一个实际存在的 Bug，即之前的嵌套式安装（`.claude/skills/aris/`）导致技能无法被 Claude Code 的斜杠命令发现机制扫描到（CC 仅扫描一级目录）。在此日期之前运行过 `install_aris.sh` 的用户均静默受影响。全新的 `install_aris.sh` 会在 `.claude/skills/` 为每个技能创建一个软链接，将带有版本信息的清单写入 `.aris/installed-skills.txt`，并且**支持重复运行以同步**上游新增/移除的技能。纵深防御：13 条安全规则（无软链接父目录、精确目标重验证、slug 正则表达式、同目录下原子清单重命名、不覆盖真实文件、基于 mkdir 的可移植锁、崩溃恢复的 ADO 机制等）。细粒度的 `--adopt-existing` / `--replace-link` 标志取代了过去全有或全无的 `--force`。迁移路径：针对旧版嵌套软链接的 `--from-old`，针对旧版嵌套副本的 `--migrate-copy keep-user|prefer-upstream`。`smart_update.sh --target-subdir .claude/skills/aris` 现已废弃并重定向至 `install_aris.sh`。`cp -r` 覆盖中过期文件的 Bug 也已修复（现改为 `rm -rf && cp -r` 以确保安全更新） - **2026-04-19** — 🔗 **[`/overleaf-sync`](skills/overleaf-sync/SKILL.md)**——通过官方 **Overleaf Git bridge** (高级版) 在本地 ARIS 论文目录和 Overleaf 项目之间建立双向桥接。允许协作者继续在 Overleaf Web UI 中编辑，同时 ARIS 的审查/编辑管道（`/paper-claim-audit`、`/citation-audit`、`/auto-paper-improvement-loop`）继续在本地运行。子命令：`setup`（一次性，由用户驱动以确保代理永远看不到 token） / `pull`（附带差异协议——标记半句话、拼写错误、应重新触发审查的声明/引用变更） / `push`（在写入共享 Overleaf 状态前带有确认关卡） / `status`（三方差异检查）。**Token 绝不会接触代理或任何文件**——通过用户的终端在 macOS Keychain 中预载一次，之后的所有代理操作均免认证 - **2026-04-19** — 📚 **[`/citation-audit`](skills/citation-audit/SKILL.md)**——证据与声明保障栈的第四层也是最后一层（`experiment-audit` → `result-to-claim` → `paper-claim-audit` → `citation-audit`）。全新的跨系列审稿人（通过 Codex MCP 使用 gpt-5.4）结合 web/DBLP/arXiv 查找，沿着三个独立轴验证每一个 `\cite{...}`：**存在性**（论文能在声称的 arXiv ID/DOI/会议中找到）、**元数据正确性**（作者/年份/会议/标题与权威来源匹配），以及**上下文适当性**（被引论文确实支持了其所佐证的声明——这是最具诊断性的检查）。逐条裁决：KEEP / FIX / REPLACE / REMOVE。已自动整合至**工作流 3 阶段 5.8** 作为投稿前的参考文献关卡。经验动机：在一次真实的投稿运行中，有几篇真实论文被引用在了它们实际上并不支持的上下文中，且至少有一个条目以 `author = "Anonymous"` 的状态提交——这些都没有被仅检查元数据的工具捕获 - **2026-04-17** — 🔀 **`/experiment-queue` 整合进工作流 1.5 + research-pipeline**——`experiment-bridge` 阶段 4 部署现在根据里程碑任务数量自动路由：≤5 个任务 → `/run-experiment`，≥10 个任务或存在阶段依赖 → `/experiment-queue`（具备 OOM 重试、过期屏幕清理、波次转换门控、崩溃安全状态）。新增 `--- batch: queue` 覆盖项用于全局强制队列模式。来自 `EXPERIMENT_PLAN.md` 的大型多种子扫描（例如 36 格的 `N × seed × n_train` 网格）现在无需手动调用队列即可获得妥善编排 - **2026-04-17** — 🔗 **[项目级软链接安装](tools/install_aris.sh)**（解决 [#118](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/issues/118)）——新的推荐默认安装方式。`bash tools/install_aris.sh` 自动检测平台（Claude Code / Codex CLI），创建指向 ARIS 仓库的 `.claude/skills/aris` 或 `.agents/skills/aris` 软链接，向 `CLAUDE.md` / `AGENTS.md` 添加受管理的 `` 块以告知代理仅使用项目级技能，并在 `.aris/skill-source.txt` 中记录安装元数据。**解决了技能冲突问题**，即在同一全局技能目录中混合使用 ARIS 与 Superpowers / OpenHands / 其他社区包时的情况。PowerShell 版本（`install_aris.ps1`）附带对 Windows junction 的支持。为 `.agents/skills/aris` (Codex) 的项目副本安装新增了 **`smart_update.sh --target-subdir`** 标志；软链接安装现在会正确拒绝 `smart_update` 并引导用户使用 `git pull`。全局安装仍供高级用户使用 - **2026-04-16** — 🎨 **[`/figure-spec`](skills/figure-spec/SKILL.md)**——打包为一等技能的确定性 JSON→SVG 渲染器。作为论文中架构/工作流/管道/审查级联图的首选默认方案。形状感知边缘裁剪（rect/circle/ellipse/diamond）、自环、曲线边缘、支持 CJK 宽度估算的多行标签。可编辑的矢量输出，可复现（相同规格 → 相同 SVG），无需外部 API。**工作流 3 中的阶段 2b 已恢复**：`illustration: figurespec`（新默认）/ `gemini` / `mermaid` / `false`——4 种各具优势的插图选择器 - **2026-04-16** — ⚙️ **[`/experiment-queue`](skills/experiment-queue/SKILL.md)**——用于多种子/多配置 ML 实验的 SSH 作业队列。源自真实的 36 格 NeurIPS 扫描痛点设计：带有退避机制的 OOM 感知重试、过期屏幕清理、波次转换竞态预防、teacher→student 阶段依赖、可从 JSON 状态恢复的崩溃安全调度器。声明式网格规格会自动展开（例如，`N × seed × n_train → 36 个作业`）。可配置的 `conda_hook` + `gpu_free_threshold_mib` 适配非标准环境。适用于 ≥10 个作业的场景；`/run-experiment` 仍用于临时性实验 - **2026-04-15** — 🛡️ **论文写作管道强化**——源自一次真实 NeurIPS 投稿的 10 项基于经验的补丁。`REVIEWER_BIAS_GUARD=true`：每轮审查使用全新线程（codex-reply 将分数从 3 虚高至 8/10）。审稿人独立性协议：不向审稿人发送修复摘要。步骤 4.5 重述回归测试：捕获跨修复轮次的定理漂移。步骤 5.5 论点击杀演练：针对理论论文的终轮对抗性攻防。位置感知的 overfull 阻断。`/paper-write` 中的理论论文一致性检查。带有 DBLP/CrossRef 验证的强制参考文献规范。阶段 5.5 作为投稿关卡的强制性最终声明审查。**审查追踪协议**：完整的 prompt/response 对保存至 `.aris/traces/` 供审稿人独立性审查 ([`review-tracing.md`](skills/shared-references/review-tracing.md)，[`save_trace.sh`](tools/save_trace.sh))。灵感来自 @李傲龍 的社区贡献 - **2026-04-15** — 🎨 **[FigureSpec Renderer v2](tools/figure_renderer.py)**——面向学术论文的确定性 JSON→SVG 图表生成。形状感知边缘裁剪（rect/circle/ellipse/diamond）、自环、曲线边缘、支持 CJK 宽度估算的多行标签，全面的验证（类型检查、结构、调色板）。经历了 5 轮 Codex 审查（3/10→7/10）。ARIS 技术报告中的所有架构和工作流图均使用此管道生成。`/paper-illustration` 技能新增 `--- mode: vector` - **2026-04-14** — 📋 **[`/paper-claim-audit`](skills/paper-claim-audit/SKILL.md)**——零上下文论文-证据验证。无先前上下文的新审稿人将论文中的每一个数字与原始结果文件进行比对。捕获舍入膨胀、最优种子精选、配置不匹配、增量误差、范围过度承诺。已自动整合进工作流 3（阶段 4.7）。完成了 3 层审查链：`/experiment-audit`（代码） → `/result-to-claim`（科学） → `/paper-claim-audit`（报告）。👁️ **视觉 PDF 审查**也已加入改进循环——审稿人现在能看到编译后的 PDF，而不仅仅是 LaTeX 源码。灵感来自 [Hermes Agent](https://github.com/NousResearch/hermes-agent/tree/main/skills/research/research-paper-writing) - **2026-04-13** — 🧿 **[通过 Oracle 使用 GPT-5.4 Pro](skills/shared-references/reviewer-routing.md)**——在任何技能上使用 `— reviewer: oracle-pro` 即可获得最强可用审稿人。API 模式（快速）或浏览器模式（免费）。支持技能：`/research-review`、`/auto-review-loop`、`/experiment-audit`、`/proof-checker`、`/rebuttal`、`/idea-creator`、`/research-lit`。默认仍为 Codex xhigh。未安装 = 零影响。[设置指南 →](#-optional-gpt-54-pro-via-oracle) - **2026-04-13** — 🔬 **[`/proof-checker`](skills/proof-checker/SKILL.md)**——通过跨模型审查进行严谨的数学证明验证。20 类问题分类体系、双轴严重度、边条件清单（DCT/MCT/Fubini/IFT/...）、反例红队测试、证明义务账本。已自动整合进工作流 3：检测到 `\begin{theorem}` 并在改进循环之前运行。与 `/proof-writer` 互补 - **2026-04-10** — ⚡ **[投入度级别](skills/shared-references/effort-contract.md)**——`— effort: lite | balanced | max | beast`。控制所有技能的工作强度：找到的论文数、生成的想法数、审查轮次、写作深度。Codex 推理级别始终保持在 `xhigh`。`beast` = 适用于冲刺顶会的全开模式。默认 `balanced` = 现有用户体验零变更。[详情 →](#-effort-levels) - **2026-04-10** — 🔎 **[DeepXiv 集成](skills/deepxiv/SKILL.md)**——通过 DeepXiv CLI 渐进式检索论文。可选启用：`— sources: deepxiv` 或 `— sources: all, deepxiv`。分阶段阅读：search → brief → head → section。通过 `pip install deepxiv-sdk` 启用。由 [@DreamEnding](https://github.com/DreamEnding) 贡献 - **2026-04-10** — 🛡️ **[`/experiment-audit`](skills/experiment-audit/SKILL.md)**——跨模型实验完整性验证。GPT-5.4 直接阅读你的评估脚本和结果，检查虚假基准真值、自标准化分数、幽灵结果和范围膨胀 ([#131](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/issues/131)，[#57](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/issues/57))。咨询性质——大声警告，但绝不阻断。`/result-to-claim` 在存在审查结果时会自动读取。新增 [experiment-integrity.md](skills/shared-references/experiment-integrity.md) 共享参考文档。**执行者绝不应评判自身的完整性。** - **2026-04-10** — 🧠 **[`tools/smart_update.sh`](tools/smart_update.sh)**——智能技能更新器。对比本地与上游版本，检测个人定制内容（服务器路径、API 密钥），仅更新安全的技能。`bash tools/smart_update.sh --apply` - **2026-04-10** — 🏆 **社区论文：[UAV-CC](community_papers/UAV-CC.pdf)**——首篇附带完整 PDF 归档的社区论文。由 [@wxx827](https://github.com/wxx827) 提交的面向 IEEE TGRS 的 UAV 变化描述基准。技术栈：Claude Opus 4.6 + Codex 5.4 xhigh + Cursor。论文现归档于 `community_papers/` - **2026-04-08** — 📚 **[`/research-wiki`](skills/research-wiki/SKILL.md)**——受 [Karpathy 的 LLM Wiki](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f) 启发的持久化研究知识库。在整个研究生命周期中积累论文、想法、实验和声明，并建立类型化关系。在 `/research-lit`（导入论文）、`/idea-creator`（阅读 wiki + 回写想法）和 `/result-to-claim`（更新声明状态 + 触发重新构思）中集成了 wiki 钩子。失败的想法成为防重复记忆。**ARIS 现在会从错误中学习。** - **2026-04-05** — 🧬 **[`/meta-optimize`](skills/meta-optimize/SKILL.md)**——ARIS 的外层线束优化。通过 [Claude Code hooks](templates/claude-hooks/meta_logging.json) 被动记录技能调用、工具调用、失败情况和参数覆盖。运行 `/meta-optimize` 分析积累的使用数据并提出 SKILL.md 改进建议——经审人门控、由用户批准。受 [Meta-Harness](https://arxiv.org/abs/2603.28052)(Lee et al., 2026) 启发。**ARIS 现在能自我优化。** - **2026-04-04** — 🔧 **Codex 插件深度集成**——当实验失败（工作流 1.5）或 LaTeX 无法编译（工作流 3）时，现在会自动调用 `/codex:rescue`。GPT 在 Claude 重试之前独立诊断 Bug——两个 AI 调试器胜过一个。可选功能：`codex exec` 驱动噩梦级审查，`/codex:rescue` 驱动自动调试。[设置指南 →](#optional-codex-plugin-for-code-review) - **2026-04-03** — ☁️ **[Modal 无服务器 GPU](skills/serverless-modal/SKILL.md)**——没有 GPU？在 CLAUDE.md 中配置 `gpu: modal`，一条命令（`modal run launcher.py`），无需 SSH，无需 Docker，自动缩容至零。**每月 $30 免费额度**——足以在不配备任何硬件的情况下试用 ARIS 实验。`pip install modal && modal setup` 即可开始。由 [@zeyuzhangzyz](https://github.com/zeyuzhangzyz) 贡献 - **2026-04-03** — 🎮 **审稿人难度级别**——`medium`（默认，不变）、`hard`（审稿人记忆 + 辩论协议）、`nightmare`（GPT 通过 `codex exec` 直接读取代码库——Claude 无处藏匿）。在投稿前使用 `— difficulty: nightmare` 进行极限压力测试 - **2026-03-30** — 🔥 **自动调试与穷尽后方可放弃**——experiment-bridge 自动诊断失败（OOM、import、CUDA、NaN）并最多重试 3×。受 [PUA](https://github.com/tanweai/pua) 启发 - **2026-03-30** — ☁️ **[Vast.ai GPU 租赁](skills/vast-gpu/SKILL.md)**——`gpu: vast` 自动租赁最便宜的 GPU。由 [@YIHONG-JIN](https://github.com/YIHONG-JIN) 贡献。🔧 MiniMax M2.7 升级由 [@octo-patch](https://github.com/octo-patch) 贡献 - **2026-03-27** — 📄 **支持 IEEE 会议/期刊**（9 个系列）。🔎 **[Semantic Scholar](skills/semantic-scholar/SKILL.md)**。由 [@ypd666](https://github.com/ypd666) 贡献 - **2026-03-26** — 📄 **基于文档的输入**——自动检测 `RESEARCH_BRIEF.md` - **2026-03-24** — 📝 **[工作流 4：`/rebuttal`](skills/rebuttal/SKILL.md)**——7 阶段管道，3 道安全关卡 - **2026-03-23** — 🔧 集成了 `/training-check`、`/result-to-claim`、`/ablation-planner`。📦 `compact` 模式。由 [@JingxuanKang](https://github.com/JingxuanKang) & [@couragec](https://github.com/couragec) 贡献 - **2026-03-22** — 📋 **[模板](templates/)**——每种工作流的输入模板。📄 **7 种会议/期刊模板**——新增 CVPR、ACL、AAAI、ACM MM。🛡️ **反幻觉修复**——工作流 2 强制执行 DBLP → CrossRef → [VERIFY]。🔗 **`base repo`**——克隆 GitHub 仓库作为基础代码库（`— base repo: https://github.com/org/project`） - **2026-03-22** — 🔍 **[Codex + Gemini 审查指南](docs/CODEX_GEMINI_REVIEW_GUIDE.md)**——Codex 执行，Gemini 通过本地 `gemini-review` MCP bridge 审查。[CN](docs/CODEX_GEMINI_REVIEW_GUIDE_CN.md) - **2026-03-20** — 🚀 **[Antigravity 适配指南](docs/ANTIGRAVITY_ADAPTATION.md)**——在 [Google Antigravity](https://antigravity.google/)(以 Agent 为中心的 IDE) 中使用 ARIS 技能。由 [@PeppaPigw](https://github.com/PeppaPigw) 贡献 - **2026-03-20** — 🖥️ **[Trae 适配指南](docs/TRAE_ARIS_RUNBOOK_EN.md)**——在 [Trae](https://www.trae.ai/)(ByteDance AI IDE) 中使用 ARIS 技能。由 [@Prometheus-cotigo](https://github.com/Prometheus-cotigo) 贡献。🔢 **[`formula-derivation`](skills/formula-derivation/SKILL.md)**——由 [@Falling-Flower](https://github.com/Falling-Flower) 贡献 - **2026-03-19** — 🖼️ **[`paper-poster`](skills/paper-poster/SKILL.md)**——会议海报。由 [@dengzhe-hou](https://github.com/dengzhe-hou) 贡献 - **2026-03-19** — 🔗 **工作流 1.5 升级**——`/experiment-bridge` 引入 GPT-5.4 代码审查。📊 **W&B 修复** - **2026-03-18** — 🎤 `paper-slides` + 🔁 Codex+Claude bridge + 🖱️ Cursor 指南 + 🤖 Codex CLI 技能 + 📝 `grant-proposal` + 🎨 `paper-illustration` (Gemini) + 📊 CitationClaw - **2026-03-17** — 🔧 Git 代码同步 + 🆓 ModelScope 指南 + 参数透传 - **2026-03-16** — 🔬 **[`research-refine`](skills/research-refine/SKILL.md)** + [`experiment-plan`](skills/experiment-plan/SKILL.md)——将模糊的想法转化为以问题为导向的提案和声明驱动的实验路线图。现已整合进工作流 1 (`/idea-discovery`)。由 [@zjYao36](https://github.com/zjYao36) 贡献 - **2026-03-16** — 🇨🇳 **[阿里云百炼适配指南](docs/ALI_CODING_PLAN_GUIDE.md)**——一个 API key，4 个模型（Kimi-K2.5 + Qwen3.5+ + GLM-5 + MiniMax-M2.7），双端点设置。由 [@tianhao909](https://github.com/tianhao909) 贡献 - **2026-03-15** — 🔀 **自带模型！**[任何兼容 OpenAI 的 API](#-alternative-model-combinations) 现在都可以通过 [`llm-chat`](mcp-servers/llm-chat/) MCP server 作为审稿人使用。GLM、MiniMax、Kimi、LongCat、DeepSeek 均已通过测试——**无需 Claude 或 OpenAI API** - **2026-03-15** — 🐾 **[OpenClaw 适配指南](docs/OPENCLAW_ADAPTATION.md)**——在 [OpenClaw](https://github.com/All-Hands-AI/OpenHands) 中使用 ARIS 研究工作流，无需 Claude Code 斜杠技能 - **2026-03-15** — 📐 **[`proof-writer`](skills/proof-writer/SKILL.md)**——用于严谨定理/引理证明起草的社区技能。📚 **反幻觉引用**——`/paper-write` 现在从 [DBLP](https://dblp.org)/[CrossRef](https://www.crossref.org) 获取真实的 BibTeX，而非使用 LLM 生成的条目——默认开启，无需安装 - **2026-03-14** — 📱 [飞书/Lark 集成](#-feishulark-integration-optional)：三种模式（关闭/推送/交互），实验、审查和检查点的移动端通知 - **2026-03-13** — 🛑 Human-in-the-loop：可在所有工作流中配置的 `AUTO_PROCEED` 检查点。完全自动驾驶或逐步批准 - **2026-03-12** — 🔗 [Zotero](#-zotero-integration-optional) + [Obsidian](#-obsidian-integration-optional) + 本地 PDF + arXiv/Scholar：带有跨模型新颖性验证的多源文献检索 - **2026-03-12** — 🚀 三个端到端工作流完成：一个 prompt → 顶会风格的论文。`/research-pipeline` 将想法发现 → 自动审查 → 论文写作自主串联起来 - **2026-03-12** — 📝 `/paper-writing` 工作流：叙述报告 → 结构化大纲 → 图表 → LaTeX → 编译 PDF → 2 轮自动改进 (4/10 → 8.5/10)

## 🚀 快速开始 ``` # 1. 安装 skills git clone https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep.git mkdir -p ~/.claude/skills/ # create if it doesn't exist (new Claude Code versions) cp -r Auto-claude-code-research-in-sleep/skills/* ~/.claude/skills/ # 1b. 更新 skills (当上游有新版本时) cd Auto-claude-code-research-in-sleep && git pull bash tools/smart_update.sh # dry-run: shows what's new/changed/safe bash tools/smart_update.sh --apply # apply: adds new + updates safe ones # 可选的 Codex 镜像托管项目安装 bash tools/install_aris_codex.sh ~/your-codex-project # 托管 Codex 项目更新 cd Auto-claude-code-research-in-sleep && git pull bash tools/install_aris_codex.sh ~/your-codex-project --reconcile # 复制的 Codex 安装 (不适用于通过 install_aris_codex.sh 安装的项目) bash tools/smart_update_codex.sh --local ~/.codex/skills bash tools/smart_update_codex.sh --local ~/.codex/skills --apply # 2. 设置 Codex MCP (用于 review skills) npm install -g @openai/codex codex setup # set model to gpt-5.4 when prompted claude mcp add codex -s user -- codex mcp-server # 3. 在 Claude Code 中使用 claude > /idea-discovery "your research direction" # Workflow 1 — be specific! not "NLP" but "factorized gap in discrete diffusion LMs" > /experiment-bridge # Workflow 1.5 — have a plan? implement + deploy + collect results > /auto-review-loop "your paper topic or scope" # Workflow 2: review → fix → re-review overnight > /paper-writing "NARRATIVE_REPORT.md" # Workflow 3: narrative → polished PDF > /rebuttal "paper/ + reviews" — venue: ICML # Workflow 4: parse reviews → draft rebuttal → follow-up > /research-pipeline "your research direction" # Full pipeline: Workflow 1 → 1.5 → 2 → 3 end-to-end > /research-wiki init # 📚 Enable persistent research memory (one-time) > /meta-optimize # Meta: analyze usage logs → propose skill improvements ``` 详情请参阅[完整设置指南](#%EF%B8%8F-setup)，如果你没有 Claude/OpenAI API，请参阅[替代模型组合](#-alternative-model-combinations)。 ## ✨ 特性 - 📊 **31 种可组合技能**——混合搭配，或串联成完整管道（`/idea-discovery`、`/auto-review-loop`、`/paper-writing`、`/research-pipeline`） - 🔍 **文献与新颖性**——多源论文检索（**[Zotero](#-zotero-integration-optional)** + **[Obsidian](#-obsidian-integration-optional)** + **本地 PDF** + arXiv/Scholar）+ 跨模型新颖性验证 - 💡 **想法发现**——文献调研 → 头脑风暴 8-12 个想法 → 新颖性检查 → GPU 试点实验 → 排名报告 - 🔄 **自动审查循环**——4 轮自主审查，伴随 20 多次 GPU 实验一夜之间将分数从 5/10 提升至 7.5/10 - 📝 **论文写作**——叙述 → 大纲 → 图表 → LaTeX → PDF → 自动审查（4/10 → 8.5/10），一条命令完成。通过 [DBLP](https://dblp.org)/[CrossRef](https://www.crossref.org) 提供反幻觉引用 - 🤖 **跨模型协作**——Claude Code 执行，GPT-5.4 xhigh 审查。对抗性审查，而非自我博弈。可选升级：通过 [Oracle](https://github.com/steipete/oracle) 使用 `— reviewer: oracle-pro` 获取 **GPT-5.4 Pro**（最强推理） - 📝 **同行评审**——以会议审稿人的身份评审他人论文，提供结构化评分和 Meta-review - 🖥️ **审查驱动的实验**——当 GPT-5.4 说“跑个消融实验”时，Claude Code 会自动编写脚本，通过 rsync 传至你的 GPU 服务器，在 screen 中启动，收集结果，并将其整合回论文中。只需在 `CLAUDE.md` 中配置你的服务器（[设置指南](#%EF%B8%8F-gpu-server-setup-for-auto-experiments)）。**没有 GPU？**使用 `gpu: vast` 从 [Vast.ai](https://vast.ai) 按需租用 - 🔀 **灵活模型**——默认为 Claude × GPT-5.4，同时支持 [GLM、MiniMax、Kimi、LongCat、DeepSeek 等](#-alternative-model-combinations)——无需 Claude 或 OpenAI API - 🛑 **Human-in-the-loop**——在关键决策点提供可配置的检查点。`AUTO_PROCEED=true` 全程自动驾驶，`false` 逐步审批 - 📱 **[飞书/Lark 通知](#-feishulark-integration-optional)**——三种模式：关闭（默认，强烈推荐给大多数用户）、仅推送（webhook，移动端提醒）、交互式（在飞书中批准/拒绝）。未配置时零影响

预览：推送卡片（群聊）& 交互式对话（私聊）

**仅推送**——群聊卡片（实验完成、检查点、错误、管道完成）： **交互式**——与 Claude Code 的私聊（批准/拒绝，自定义指令）：

- 📚 **[研究 Wiki](#-research-wiki--persistent-research-memory)**——在整个研究生命周期中积累论文、想法、实验和声明的持久化知识库。失败的想法成为防重复记忆。ARIS 会从错误中学习，并在每次运行中变得更聪明。受 [Karpathy 的 LLM Wiki](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f) 启发 - 🧩 **可扩展**——欢迎领域特定技能！添加一个 `SKILL.md` 并提交 PR。查看[社区技能](#-all-skills)如 [`dse-loop`](skills/dse-loop/SKILL.md)(架构/EDA) ## 📈 分数进展（真实运行） 在一个机器学习研究项目上进行的真实过夜 4 轮运行，从边缘拒绝到具备投稿条件： | 轮次 | 分数 | 发生了什么 | |-------|-------|---------------| | 初始 | 5.0/10 | 边缘拒绝 | | 第 1 轮 | 6.510 | 增加了标准指标，发现了指标解耦 | | 第 2 轮 | 6.8/10 | 关键声明未能复现，调整了叙事框架 | | 第 3 轮 | 7.0/10 | 大规模种子研究推翻了主要改进声明 | | 第 4 轮 | **7.5/10** ✅ | 诊断性证据得到巩固，**具备投稿条件** | 该循环自主运行了 **20 多次 GPU 实验**，重写了论文的叙事框架，并推翻了站不住脚的声明——全程无需人工干预。 ## 🏆 社区展示——使用 ARIS 构建的论文 使用 ARIS 管道端到端完成已投稿手稿的真实项目。**除非某一行明确说明，否则本节不声称已获官方录用：**评分和引用的结论是来自 [CSPaper](https://cspaper.org/) 和 [Stanford Agentic Reviewer](https://paperreview.ai/) 等工具的 AI/第三方审查信号，而非会议/期刊的最终决定。一个重要的注意事项：ARIS 旨在通过 AI 审查循环进行优化，因此偏高的 AI 审查分数是工作流的正常结果，而非独立证明已被录用的依据。人类审稿人仍可能带来更新的文献知识、社区背景、特定会议的品味以及 AI 审稿人未建模的反对意见。**如果你曾使用 ARIS 完成过论文，我们非常希望能在此展示——请提交 issue 或 PR！** | 论文 | AI 审稿信号 | 投稿状态 | 构建者 | 备注 | |-------|:----------------:|-------------------|----------|-------| | **CS 论文投稿** | [CSPaper](https://cspaper.org/) **8/10**——AI 审稿人建议："Top 50% of accepted papers, clear accept" | 已投稿至某 CS 会议；等待官方反馈 | [@DefanXue](https://github.com/DefanXue) & [@Monglitay](https://github.com/Monglitay) | 完整 ARIS 管道：想法 → 实验 → 自动审查 → 论文写作。引言来自 CSPaper 的模拟审查，非官方会议审查。 | | **AAAI 2026 论文投稿** | [Stanford Agentic Reviewer](https://paperreview.ai/) **7/10**——AI 审稿人建议："Good paper, accept" | 已投稿至 AAAI 2026 Main Technical；等待官方决定 | [@xinbo820-web](https://github.com/xinbo820-web) | 纯 **Codex CLI** (ARIS-Codex 技能)。7/10 信号来自 AAAI 风格的 Stanford Agentic Reviewer 运行，非官方 AAAI 录用结果。 | | [UAV-CC](community_papers/UAV-CC.pdf) | 审稿中 | 已投稿至 IEEE TGRS | [@wxx827](https://github.com/wxx827) | UAV 变化描述基准。Claude Opus 4.6 (执行者) + Codex GPT-5.4 xhigh (审稿人) + Cursor Opus 4.6 (辅助)。[PDF →](community_papers/UAV-CC.pdf) |

Reviewer screenshots

## 🧩 社区技能与扩展精选 由社区贡献的领域特定技能和外部项目。欢迎提交 PR——只需添加一个 `skills/your-skill/SKILL.md` 并开启 PR！ 🎉 **社区技能 (13):** [research-refine](skills/research-refine/SKILL.md) · [experiment-plan](skills/experiment-plan/SKILL.md) · [grant-proposal](skills/grant-proposal/SKILL.md) · [paper-poster](skills/paper-poster/SKILL.md) · [paper-slides](skills/paper-slides/SKILL.md) · [mermaid-diagram](skills/mermaid-diagram/SKILL.md) · [proof-writer](skills/proof-writer/SKILL.md) · [comm-lit-review](skills/comm-lit-review/SKILL.md) · [dse-loop](skills/dse-loop/SKILL.md) · [idea-discovery-robot](skills/idea-discovery-robot/SKILL.md) · [formula-derivation](skills/formula-derivation/SKILL.md) · [paper-illustration](skills/paper-illustration/SKILL.md) · [writing-systems-papers](skills/writing-systems-papers/SKILL.md) 🌐 **外部项目与文档 (12):** [rosetta](https://github.com/SyntaxSmith/rosetta) · [open-source-hardening-skills](https://github.com/zeyuzhangzyz/open-source-hardening-skills) · [CitationClaw](https://github.com/VisionXLab/CitationClaw) · [auto-hparam-tuning](https://github.com/zxh0916/auto-hparam-tuning) · [paper-to-course](https://github.com/KaguraTart/paper-to-course) · [Antigravity 适配指南](docs/ANTIGRAVITY_ADAPTATION.md) · [OpenClaw 适配指南](docs/OPENCLAW_ADAPTATION.md) · [Cursor 适配指南](docs/CURSOR_ADAPTATION.md) · [Codex+Claude 审查桥](docs/CODEX_CLAUDE_REVIEW_GUIDE.md) · [Trae 适配指南](docs/TRAE_ARIS_RUNBOOK_EN.md) · [paper-illustration](skills/paper-illustration/SKILL.md) · [MiniMax-AI/cli](https://github.com/MiniMax-AI/cli)

🎉 社区技能 (13) — 点击展开

| 名称 | 领域 | 描述 | 支持 Codex MCP？ | |------|--------|-------------|-----------| | 🔬 [`research-refine`](skills/research-refine/SKILL.md) | 通用 | 将模糊的想法转化为以问题为导向、面向实现的方法提案。最适合插入在 `/idea-discovery` 和 `/auto-review-loop` 之间 | 是 | | 🧪 [`experiment-plan`](skills/experiment-plan/SKILL.md) | 通用 | 将精炼后的提案转化为包含消融实验、预算和运行顺序的声明驱动实验路线图 | 否 | | 🧭 [`research-refine-pipeline`](skills/research-refine-pipeline/SKILL.md) | 通用 | 一键链式调用：`/research-refine` → `/experiment-plan`，用于方法精炼及实验规划 | 是 | | 📝 [`grant-proposal`](skills/grant-proposal/SKILL.md) | 通用 | 基金申请起草 (KAKENHI/NSF/NSFC/ERC/DFG/SNSF/ARC/NWO)。串联调用 `/research-lit` → `/novelty-check` → `/research-review` → `/paper-illustration` | 是 | | 🎤 [`paper-slides`](skills/paper-slides/SKILL.md) | 通用 | 会议报告幻灯片 (beamer → PDF + PPTX)，包含演讲者备注、完整演讲脚本 + Q&A 准备。根据报告类型自动计算幻灯片页数 | 是 | | 🖼️ [`paper-poster`](skills/paper-poster/SKILL.md) | 通用 | 会议海报 (article + tcbposter → A0/A1 PDF + 组件 PPTX + SVG)。支持会议特定配色，视觉审查循环，Codex MCP 审查 | 是 | | 📐 [`proof-writer`](skills/proof-writer/SKILL.md) | ML 理论 | 严谨的定理/引理证明起草——可行性分诊、依赖图、诚实的阻碍报告 | 否 | | 📡 [`comm-lit-review`](skills/comm-lit-review/SKILL.md) | 通信 / 无线 | 领域特定文献综述——IEEE/ACM/ScienceDirect 优先，会议分层，PHY/MAC/transport/NTN 分类法 | 否 | | 🏗️ [`dse-loop`](skills/dse-loop/SKILL.md) | 架构 / EDA | 自主设计空间探索——迭代运行、分析和调整参数（gem5、Yosys 等） | 否 | | 🤖 [`idea-discovery-robot`](skills/idea-discovery-robot/SKILL.md) | 机器人学 / 具身智能 | 工作流 1 适配版——将想法发现建立在具身化、基准测试、sim2real 路径和真实机器人安全约束之上 | 是 | | 📐 [`mermaid-diagram`](skills/mermaid-diagram/SKILL.md) | 通用 | Mermaid 图表（20+ 种类型）——`paper-illustration` 的免费替代方案，无需 API key | 否 | | 🔢 [`formula-derivation`](skills/formula-derivation/SKILL.md) | 通用 | 研究公式推导——推导、验证和 LaTeX 格式化 | 否 | | 🖥️ [`writing-systems-papers`](skills/writing-systems-papers/SKILL.md) | 系统 | 10-12 页系统论文的段落级蓝图 (OSDI/SOSP/ASPLOS/NSDI/EuroSys)——页面分配、写作模式、自检 | 是 |

🌐 外部项目与文档 (12) — 点击展开

| 名称 | 领域 | 描述 | |------|--------|-------------| | 🪨 [rosetta](https://github.com/SyntaxSmith/rosetta) | Pro 级 ChatGPT MCP | 通过 Chrome CDP Fetch 拦截 + WebSocket 第二段流，从 Node 端以编程方式访问 **ChatGPT Pro / `gpt-5.5-pro` / DeepResearch**。为 Claude Code / Codex / Cline 提供了 MCP Server——对于 `— reviewer: oracle-pro` 风格的高级别审查，这是 Oracle MCP 之外的替代实现路径。支持多轮对话、并行并发、实时 token 增量、15 分钟空闲超时看门狗（能经受住长时间 Pro 思考）。MIT 协议，作者 [@SyntaxSmith](https://github.com/SyntaxSmith) | | 🛡️ [open-source-hardening-skills](https://github.com/zeyuzhangzyz/open-source-hardening-skills) | DevOps / OSS | 将研究代码强化为生产级开源项目的 10 步技能管道——审查、重构、测试、CI、文档、评审 | | 📊 [CitationClaw](https://github.com/VisionXLab/CitationClaw) | 通用 | 引用影响力分析——输入论文标题 → 引用爬取、学者识别、分层分析、HTML 仪表盘 | | 🚀 [Antigravity 适配指南](docs/ANTIGRAVITY_ADAPTATION.md) | 通用 | 在 [Google Antigravity](https://antigravity.google/) 中使用 ARIS 技能——原生 SKILL.md 支持，双模型（Claude Opus 4.6 / Gemini 3.1 Pro），MCP 设置，英文 + [中文](docs/ANTIGRAVITY_ADAPTATION_CN.md) 指南 | | 🐾 [OpenClaw 适配指南](docs/OPENCLAW_ADAPTATION.md) | 通用 | 在 [OpenClaw](https://github.com/All-Hands-AI/OpenHands) 中使用 ARIS 工作流方法——技能到阶段的映射、基于文件的编排、无需 Claude Code CLI | | 🖱️ [Cursor 适配指南](docs/CURSOR_ADAPTATION.md) | 通用 | 在 [Cursor](https://www.cursor.com/) 中使用 ARIS 技能——`@` 引用技能、MCP 设置、工作流映射、跨会话状态文件恢复 | | 🖥️ [Trae 适配指南](docs/TRAE_ARIS_RUNBOOK_EN.md) | 通用 | 在 [Trae](https://www.trae.ai/) (ByteDance AI IDE) 中使用 ARIS 技能——英文 + 中文指南 | | 🎨 [`paper-illustration`](skills/paper-illustration/SKILL.md) | 通用 | 通过 Gemini 生成 AI 架构图。基于 [PaperBanana](https://github.com/dwzhu-pku/PaperBanana) 构建。已整合进工作流 3 | | 🤖 [`skills-codex`](skills/skills-codex/) | 通用 | 面向 Codex CLI 的主要研究技能同步包，现包含 `training-check`、`result-to-claim`、`ablation-planner`、`rebuttal` 及 `shared-references/` 支持目录 | | 🎛️ [auto-hparam-tuning](https://github.com/zxh0916/auto-hparam-tuning) | 通用 | 自动超参数调优——AI 代理读取项目、规划策略、运行实验、分析 TensorBoard、从结果中学习。基于 Hydra | | 🔁 [Codex+Claude 审查桥](docs/CODEX_CLAUDE_REVIEW_GUIDE.md) | 通用 | Codex 执行 + Claude 通过带有异步轮询的本地 `claude-review` MCP bridge 进行审查 | | 📚 [paper-to-course](https://github.com/KaguraTart/paper-to-course) | 教育 | 将研究论文 (PDF/LaTeX) 转换为包含公式解析、文献时间线、测验和术语表提示的交互式六模块 HTML 课程——单文件捆绑，无需服务器 | | 🤖 [MiniMax-AI/cli](https://github.com/MiniMax-AI/cli) | 通用 | MiniMax 官方 CLI——文本、图像、视频、语音和音乐生成 + 网页搜索。`skill/SKILL.md` 遵循 agentskills.io 标准。作为 Alt B (MiniMax 审稿人) 设置的即插即用伴侣 |

## 🔄 工作流 这些技能可组合成一个完整的研究生命周期。这四个工作流既可以独立使用，也可以串联在一起： - **探索新领域（例如撰写综述）？** 从工作流 1 → `/idea-discovery` 开始 - **已有计划，需要实现并运行？** 工作流 1.5 → `/experiment-bridge` - **已有结果，需要迭代改进？** 工作流 2 → `/auto-review-loop` - **准备撰写论文？** 工作流 3 → `/paper-writing`（或分步进行：`/paper-plan` → `/paper-figure` → `/paper-write` → `/paper-compile` → `/auto-paper-improvement-loop`） **收到审稿意见？需要提交 Rebuttal？** 工作流 4 → `/rebuttal`——解析意见、起草安全的 Rebuttal、跟进讨论 - **完整管道？** 工作流 1 → 1.5 → 2 → 3 → 投稿 → 4 → `/research-pipeline` + `/rebuttal`——从想法到录用 - **希望 ARIS 记住并学习？** 📚 `/research-wiki init`——跨会话的持久记忆。论文、想法、失败的实验随时间复利增长 - **希望 ARIS 自我改进？** 工作流 M → `/meta-optimize`——分析使用日志、提出技能改进建议、经审稿人门控 ### 完整管道 🚀 ``` /research-lit → /idea-creator → /novelty-check → /research-refine → /experiment-bridge → /auto-review-loop → /paper-writing → submit → /rebuttal → accept! 🎉 (survey) (brainstorm) (verify novel) (refine method) (implement+deploy) (review & fix) (write paper) (send) (reply to reviewers) ├────────────── Workflow 1: Idea Discovery ──────────────┤ ├ Workflow 1.5 ─┤ ├── Workflow 2 ──┤ ├── Workflow 3 ──┤ ├── Workflow 4 ──┤ 📚 research-wiki (persistent memory — papers, ideas, experiments, claims) ↕ reads before ideation, writes after every stage, failed ideas = anti-repetition memory /meta-optimize (Workflow M — runs independently, improves ARIS itself) ↑ reads .aris/meta/events.jsonl (accumulated from all runs above) ``` 📝 **博文：** [梦中科研全流程开源](http://xhslink.com/o/2iV33fYoc7Q) ### 工作流 1：想法发现与方法精炼 🔍 还没有具体的想法？只需给出一个研究方向——`/idea-discovery` 会处理其余部分： 1. 📚 **调研**研究现状（近期论文、开放问题、反复出现的局限性） 2. 🧠 通过 GPT-5.4 xhigh **头脑风暴** 8-12 个具体想法 3. 🔍 根据可行性、计算成本和快速新颖性检索进行**筛选** 4. 🛡️ 通过深度新颖性检查 + 魔鬼代言人审查来**验证**顶级想法 5. 🧪 在不同 GPU 上并行**试点**前 2-3 个想法（每个 30 分钟 - 2 小时） 6. 🏆 根据经验信号进行**排名**——带有积极试点结果的想法名列前茅 7. 🔬 通过迭代 GPT-5.4 审查，将顶级想法**精炼**为以问题为导向的提案 8. 🧪 **规划**包含消融实验、预算和运行顺序的声明驱动实验 输出是一份排名的 `IDEA_REPORT.md`，加上针对顶级想法的精炼提案（`refine-logs/FINAL_PROPOSAL.md`）和实验计划（`refine-logs/EXPERIMENT_PLAN.md`）。死胡同想法也会被记录在案，为未来的探索节省时间。 ``` ┌─────────────────────────────────────────────────────────────────┐ │ Idea Discovery & Method Refinement │ │ │ │ /research-lit /idea-creator /novelty-check │ │ (find papers) (brainstorm) (verify novelty) │ │ │ │ │ │ │ ▼ ▼ ▼ │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ Scan │───▶│ Generate │────▶│ Check if │ │ │ │ local │ │ 8-12 │ │ idea is │ │ │ │ papers + │ │ ideas │ │ novel │ │ │ │ search │ │ + rank │ │ │ │ │ └──────────┘ └──────────┘ └──────────┘ │ │ │ │ │ │ ▼ ▼ │ │ ┌──────────┐ ┌──────────┐ │ │ │ Filter │────▶│ External │ │ │ │ by cost, │ │ LLM │ │ │ │ novelty │ │ evaluates│ │ │ └──────────┘ └──────────┘ │ │ │ │ │ /research-refine ▼ │ │ (refine method) ┌──────────┐ │ │ │ │ Freeze │ │ │ ▼ │ problem │ │ │ ┌──────────┐ │ anchor + │ │ │ │ Iterate │◀───▶│ refine │ │ │ │ until │ │ method │ │ │ │ score≥9 │ └──────────┘ │ │ └──────────┘ │ │ │ │ ▼ │ │ /experiment-plan ┌──────────┐ │ │ │ │ Claim- │ │ │ ▼ │ driven │ │ │ ┌──────────┐ │ experiment│ │ │ │ Plan │────▶│ roadmap │ │ │ │ runs │ └──────────┘ │ │ └──────────┘ │ │ │ │ Typical flow: │ │ 1. /research-lit "discrete diffusion models" │ │ 2. /idea-creator "DLLMs post training" │ │ 3. Review ranked ideas, pick top 2-3 │ │ 4. /novelty-check "top idea" (deep verification) │ │ 5. /research-review "top idea" (critical feedback) │ │ 6. /research-refine "top idea" (problem anchor + method) │ │ 7. /experiment-plan (claim-driven roadmap) │ │ 8. /run-experiment → /auto-review-loop │ └─────────────────────────────────────────────────────────────────┘ ``` **涉及的技能：** `research-lit` + `idea-creator` + `novelty-check` + `research-review` + `research-refine-pipeline` 📝 **博文：** [Claude Code 两月 NeurIPS 指北](http://xhslink.com/o/7IvAJQ41IBA) ### 工作流 1.5：实验桥接 🔗 已经有了实验计划（来自工作流 1 或你自己制定的）？`/experiment-bridge` 会将其转化为可运行的代码： 1. 📋 **解析**实验计划（`refine-logs/EXPERIMENT_PLAN.md`） 2. 💻 **实现**实验脚本（复用现有代码，添加适当的 argparse/logging/seeds） 3. 🔍 **GPT-5.4 代码审查**——跨模型审查在浪费 GPU 时间之前捕获逻辑 Bug（默认 `code review: true`） 4. ✅ **健全性检查**——首先运行最小的实验以捕获运行时错误 5. 🚀 通过 `/run-experiment` 将全套实验**部署**到 GPU 6. 📊 **收集**初步结果并更新实验追踪器 ``` ┌─────────────────────────────────────────────────────────────────┐ │ Workflow 1.5: Experiment Bridge │ │ │ │ EXPERIMENT_PLAN.md │ │ │ │ │ ▼ │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ Claude │────▶│ GPT-5.4 │────▶│ Sanity │ │ │ │ Code │ │ xhigh │ │ Check │ │ │ │ writes │ │ reviews │ │ (1 GPU) │ │ │ │ code │ │ code │ │ │ │ │ └──────────┘ └──────────┘ └──────────┘ │ │ │ │ │ ▼ │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ Collect │◀────│ Monitor │◀────│ Deploy │ │ │ │ results │ │ progress │ │ to GPUs │ │ │ │ │ │ (+ W&B) │ │ │ │ │ └──────────┘ └──────────┘ └──────────┘ │ │ │ │ │ ▼ │ │ Ready for /auto-review-loop │ └─────────────────────────────────────────────────────────────────┘ ``` **涉及的技能：** `experiment-bridge` + `run-experiment` + `monitor-experiment` ### 工作流 2：自动研究循环 🔁（睡觉并在醒来时看到结果） ``` ┌─────────────────────────────────────────────────────────────┐ │ Auto Review Loop │ │ │ │ /research-review /auto-review-loop │ │ (single deep review) (autonomous loop) │ │ │ │ │ │ ▼ ▼ │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ External │──▶│ Implement│──▶│ Monitor │──▶ repeat │ │ │ LLM │ │ fixes │ │ results │ until │ │ │ reviews │ │ & run │ │ │ score ≥ 6 │ │ └──────────┘ │ experiments│ └──────────┘ │ │ └──────────┘ │ │ │ │ When reviewer suggests a new method direction: │ │ /novelty-check — verify idea isn't already published │ │ │ │ Supporting skills: │ │ /run-experiment — deploy to local/remote/vast.ai GPU │ │ /analyze-results — interpret experiment outputs │ │ /monitor-experiment — check progress, collect results │ └─────────────────────────────────────────────────────────────┘ ``` **涉及的技能：** `auto-review-loop` + `research-review` + `novelty-check` + `run-experiment` + `analyze-results` + `monitor-experiment` **🎮 审稿人难度**——控制审稿人的对抗程度： | 级别 | 改变内容 | 适用场景 | |-------|-------------|----------| | `medium`（默认） | 标准 MCP 审查——与之前相同 | 正常工作流 | | `hard` | + 审稿人记忆（GPT 跨轮次追踪疑点） + 辩论协议（Claude 辩护，GPT 裁决） | 希望获得更严苛的反馈 | | `nightmare` | + GPT 通过 `codex exec` 直接读取代码库（Claude 无法过滤其所见内容） + 对抗性验证 | 准备冲刺顶会，需要极限压力测试 | ``` /auto-review-loop "topic" — difficulty: nightmare # GPT reads your code and verifies claims itself ``` **🛡️ 关键安全特性：** - 🔒 **MAX_ROUNDS = 4**——防止无限循环；达到分数阈值时提前停止 - ⏱️ **> 4 GPU 小时的实验会被跳过**——不会启动大规模作业；将其标记为手动跟进 - 🧠 **优先选择重塑框架而非新实验**——当两者都能解决弱点时，选择成本较低的路径 - 🪞 **不隐藏弱点**——明确规则：“绝不能为了获得正分而隐瞒弱点” - 🔧 **重新审查前必须修复**——再次提交前必须真正实施修复；没有空头支票 - 💾 **压缩恢复**——每轮之后持久化状态（`REVIEW_STATE.json`）。如果上下文窗口填满并在循环中途自动压缩，工作流会读取状态文件并从中断处恢复——无需人工干预 📝 **博文：** [开源 | 睡觉 Claude 自动跑实验改文](http://xhslink.com/o/5cBMTDigNXz) ### 工作流 3：论文写作管道 📝 ``` ┌─────────────────────────────────────────────────────────────┐ │ Paper Writing Pipeline │ │ │ │ /paper-plan /paper-figure /paper-write │ │ (outline) (plots & tables) (LaTeX draft) │ │ │ │ │ │ │ ▼ ▼ ▼ │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ │ │ │ Claims- │───▶│ Generate │────▶│ Section │──┐ │ │ │ Evidence │ │ figures, │ │ by │ │ │ │ │ Matrix + │ │ tables, │ │ section │ │ │ │ │ Section │ │ LaTeX │ │ LaTeX │ │ │ │ │ Plan │ │ includes │ │ draft │ │ │ │ └──────────┘ └──────────┘ └──────────┘ │ │ │ │ │ │ │ │ /paper-compile │ │ │ │ (build PDF) │ │ │ │ │ │ │ │ ▼ ▼ ▼ │ │ ┌──────────────────────────────────────────────────┐ │ │ │ NARRATIVE_REPORT.md ──► PAPER_PLAN.md ──► paper/ │ │ │ │ (input) (outline) (LaTeX+PDF)│ │ │ └──────────────────────────────────────────────────┘ │ │ │ │ Typical flow: │ │ 1. Write NARRATIVE_REPORT.md (from Workflow 2 results) │ │ 2. /paper-plan (claims-evidence matrix + section plan) │ │ 3. /paper-figure (comparison tables, training curves, etc.) │ │ 4. /paper-write (section-by-section LaTeX generation) │ │ 5. /paper-compile (build PDF, fix errors, page check) │ │ 6. /auto-paper-improvement-loop (review ×2 + format check) │ └─────────────────────────────────────────────────────────────┘ ``` **涉及的技能：** `paper-plan` + `paper-figure` + `paper-write` + `paper-compile` + `auto-paper-improvement-loop` + (录用后) `paper-poster` + `paper-slides` **输入：** 一份描述研究的 `NARRATIVE_REPORT.md`：声明、实验、结果、图表。叙述越详细（尤其是图表描述和定量结果），输出越好。完整示例请参见 [`templates/NARRATIVE_REPORT_TEMPLATE.md`](templates/NARRATIVE_REPORT_TEMPLATE.md)。 **输出：** 一个包含 LaTeX 源码、干净的 `.bib`（仅包含引用的条目）和编译后 PDF 的 `paper/` 目录。**只有在** `— effort: max | beast`（或显式使用 `— assurance: submission`）运行**且** `tools/verify_paper_audits.sh` 在三项强制审查（`proof-checker`、`paper-claim-audit | idea-creator | ideas | 4-6 | 8-12 | 12-16 | 20-30 | | idea-creator | pilots | 1-2 | 2-3 | 3-4 | 5-6 | | novelty-check | claims | 2-3 | 3-4 | 4-6 | all | | research-refine | rounds | 3 | 5 | 7 | 10+ | | experiment-plan | experiments | 3 | 5 | 7 | 10+ | | experiment-plan | seeds | 1 | 3 | 5 | 5 | | auto-review-loop | rounds | 2 | 3-4 | 6 | 8+ | | paper-improvement | rounds | 1 | 2 | 3 | 5 | | paper-illustration | iterations | 2 | 3 | 5 | 7 | | rebuttal | stress tests | 0-1 | 1 | 2 | 3 | | experiment-audit | depth | skip | basic | full | line-by-line | ### 保障关卡 (effort: max | beast) ARIS 有两个独立的轴：**`effort`** 控制工作量（广度/深度），**`assurance`** 控制强制性审计是否为必须项。默认映射： | `effort` | 隐含的 `assurance` | 阶段 6 撰写论文行为 | |----------|---------------------|--------------------------------| | `lite` / `balanced` (**default**) | `draft` | **当前行为，零改动。** 审计仅在其内容检测器匹配时运行；缺失的产物不会阻塞。 | | `max` / `beast` | `submission` | 阶段 6 会在新线程中强制调用 `/proof-checker`、`/paper-claim-audit`、`/citation-audit`，运行 `tools/verify_paper_audits.sh`，并且如果验证器返回非零值（缺失/过期/FAIL/BLOCKED/ERROR），则**拒绝发出最终报告**。 | **这修复了什么：** 以前，`— effort: beast` 实际上并不能保证三个强制性审计运行——内容检测器可能会静默跳过，因此 beast 模式的论文可能在没有证明验证或引用检查的情况下发布。`assurance` 轴使得审计执行可以通过 `tools/verify_paper_audits.sh` 进行外部验证（验证器的退出码是事实来源，而不是执行器的自我报告）。 **向后兼容性：** 使用默认 `balanced` 级别的用户看不到任何变化。只有选择升级到 `max` / `beast` 的用户，或者显式传递 `— assurance: submission` 的用户，才会看到新的关卡。 **逃生舱：** `— effort: beast, assurance: draft` 可以恢复旧的“仅限深度，无审计关卡”的行为。合法但不鼓励用于实际提交。 **可选的测试工具强化（高级）：** 希望在验证器亮红灯时在物理上阻止模型结束会话的团队，可以在 `~/.claude/settings.json` 中注册一个 Stop 钩子（将 `` 替换为你的 ARIS 克隆的绝对路径，例如 `/Users/you/Auto-claude-code-research-in-sleep`）： ``` { "hooks": { "Stop": [ {"command": "bash /tools/verify_paper_audits.sh paper/ --assurance submission"} ] } } ``` 这不是必需的——默认的代码库行为（阶段 6 验证器作为依据）已经阻止了在红灯裁决时发出最终报告。Stop 钩子只是为需要测试工具级别强制执行的团队增加了一层双重保险。 ### 🧿 可选：通过 Oracle 使用 GPT-5.4 Pro [Oracle](https://github.com/steipete/oracle) 解锁了 **GPT-5.4 Pro** 作为 ARIS 审查者——目前可用的最强推理模型。Pro 擅长深度数学证明验证、逐行代码审计以及复杂的实验设计审查。 **设置：** ``` # 1. 安装 Oracle npm install -g @steipete/oracle # 2. 将 Oracle MCP 添加到 Claude Code claude mcp add oracle -s user -- oracle-mcp # 3. 重启 Claude Code # 4a. API 模式 (快速，推荐)： export OPENAI_API_KEY="your-key" # 4b. Browser 模式 (免费，无需 API key — 在 Chrome 中登录 ChatGPT)： # 只需打开 Chrome → chatgpt.com → 登录 ``` **使用方法——在任何技能中添加 `— reviewer: oracle-pro`：** ``` /research-review "my draft" — reviewer: oracle-pro # Pro-level paper critique /proof-checker "paper/" — reviewer: oracle-pro # deepest mathematical verification /experiment-audit — reviewer: oracle-pro # Pro audits your eval code /auto-review-loop "scope" — reviewer: oracle-pro # Pro stress test each round /idea-creator "direction" — reviewer: oracle-pro # Pro evaluates your ideas /rebuttal "paper/ + reviews" — reviewer: oracle-pro # Pro stress tests your rebuttal ``` **默认始终为 Codex xhigh。** 未安装 Oracle = 零影响。在未安装 Oracle 的情况下使用 `— reviewer: oracle-pro` = 优雅降级到 Codex + 警告。 ## 🧰 所有技能 ### 🚀 完整流水线 | 技能 | 描述 | Codex MCP? | |-------|-------------|:---:| | 🏗️ [`research-pipeline`](skills/research-pipeline/SKILL.md) | **端到端**：工作流 1 → 1.5 → 2 → 3，从研究方向到提交 | Yes | ### 🔍 工作流 1：想法发现与方法改进 | 技能 | 描述 | Codex MCP? | |-------|-------------|:---:| | 🔭 **[`idea-discovery`](skills/idea-discovery/SKILL.md)** | **流水线编排器**——按顺序运行以下所有技能 | Yes | | ├ 📚 [`research-lit`](skills/research-lit/SKILL.md) | 多源文献检索（[Zotero](#-zotero-integration-optional) + [Obsidian](#-obsidian-integration-optional) + 本地 PDF + [arXiv API](#arxiv-integration) + 网络） | No | | ├ 💡 [`idea-creator`](skills/idea-creator/SKILL.md) | 头脑风暴 8-12 个想法，按可行性过滤，在 GPU 上进行试验，按信号排名 | Yes | | ├ 🔍 [`novelty-check`](skills/novelty-check/SKILL.md) | 根据最新文献验证想法新颖性（多源 + GPT-5.4 交叉检查） | Yes | | ├ 🔬 [`research-review`](skills/research-review/SKILL.md) | 来自外部 LLM 的单轮深度审查（xhigh 推理） | Yes | | └ 🧭 **[`research-refine-pipeline`](skills/research-refine-pipeline/SKILL.md)** | 在一个链路中改进方法并规划实验 | Yes | | 　├ 🔬 [`research-refine`](skills/research-refine/SKILL.md) | 问题锚定 → 迭代方法改进（最多 5 轮，得分 ≥ 9） | Yes | | 　└ 🧪 [`experiment-plan`](skills/experiment-plan/SKILL.md) | 声明驱动的实验路线图，包含消融实验、预算和运行顺序 | No | ### 🔗 工作流 1.5：实验桥接 | 技能 | 描述 | Codex MCP? | |-------|-------------|:---:| | 🔗 **[`experiment-bridge`](skills/experiment-bridge/SKILL.md)** | 读取实验计划 → 实现代码 → 健全性检查 → 部署到 GPU → 收集初始结果 | No | | ├ 🚀 [`run-experiment`](skills/run-experiment/SKILL.md) | 将实验部署到本地、远程或 [Vast.ai](https://vast.ai) GPU（`gpu: local/remote/vast`） | No | | ├ 👀 [`monitor-experiment`](skills/monitor-experiment/SKILL.md) | 监控运行中的实验，检查进度，收集结果 | No | | └ ☁️ [`vast-gpu`](skills/vast-gpu/SKILL.md) | 从 [Vast.ai](https://vast.ai) 租用、管理和销毁按需 GPU 实例 | No | ### 🔁 工作流 2：自动研究循环 | 技能 | 描述 | Codex MCP? | |-------|-------------|:---:| | 🔁 **[`auto-review-loop`](skills/auto-review-loop/SKILL.md)** | **流水线编排器**——自主审查→修复→重新审查（最多 4 轮） | Yes | | ├ 🔬 [`research-review`](skills/research-review/SKILL.md) | 来自外部 LLM 的深度审查（与工作流 1 共享） | Yes | | ├ 🔍 [`novelty-check`](skills/novelty-check/SKILL.md) | 当审查者建议新方向时验证新颖性 | Yes | | ├ 🚀 [`run-experiment`](skills/run-experiment/SKILL.md) | 将实验部署到本地、远程或 [Vast.ai](https://vast.ai) GPU（`gpu: local/remote/vast`） | No | | ├ 📊 [`analyze-results`](skills/analyze-results/SKILL.md) | 分析实验结果，计算统计数据，生成洞察 | No | | └ 👀 [`monitor-experiment`](skills/monitor-experiment/SKILL.md) | 监控运行中的实验，检查进度，收集结果 | No | | 🔁 [`auto-review-loop-llm`](skills/auto-review-loop-llm/SKILL.md) | 与上述相同，但通过 [`llm-chat`](mcp-servers/llm-chat/) MCP 服务器使用任何兼容 OpenAI 的 API | No | ### 📝 工作流 3：论文撰写 | 技能 | 描述 | Codex MCP? | |-------|-------------|:---:| | 📝 **[`paper-writing`](skills/paper-writing/SKILL.md)** | **流水线编排器**——按顺序运行以下所有技能 | Yes | | ├ 📐 [`paper-plan`](skills/paper-plan/SKILL.md) | 声明-证据矩阵、章节结构、图表计划、引用脚手架 | Yes | | ├ 📊 [`paper-figure`](skills/paper-figure/SKILL.md) | 出版级质量的 matplotlib/seaborn 图表 + LaTeX 比较表格 | Optional | | ├ 🎨 [`paper-illustration`](skills/paper-illustration/SKILL.md) | 通过 Gemini 生成 AI 架构图和方法图（当 `illustration: true` 时） | No (需要 Gemini API) | | ├ ✍️ [`paper-write`](skills/paper-write/SKILL.md) | 逐节生成 LaTeX（ICLR/NeurIPS/ICML）。通过 DBLP/CrossRef 实现反幻觉 BibTeX | Yes | | ├ 🔨 [`paper-compile`](skills/paper-compile/SKILL.md) | 将 LaTeX 编译为 PDF，自动修复错误，提交就绪检查 | No | | └ 🔄 [`auto-paper-improvement-loop`](skills/auto-paper-improvement-loop/SKILL.md) | 2 轮内容审查 + 格式检查（4/10 → 8.5/10） | Yes | ### 📝 工作流 4：Rebuttal | 技能 | 描述 | Codex MCP? | |-------|-------------|:---:| | 📝 **[`rebuttal`](skills/rebuttal/SKILL.md)** | 解析审稿意见 → 原子化 → 制定策略 → 起草 → 安全检查 → 压力测试 → 定稿（2 个版本） → 后续跟进 | Yes | ### 🛠️ 独立 / 实用工具 | 技能 | 描述 | Codex MCP? | |-------|-------------|:---:| | 📄 [`arxiv`](skills/arxiv/SKILL.md) | 搜索、下载和总结 arXiv 论文。可作为独立工具或 `/research-lit` 的补充 | No | | 🔎 [`semantic-scholar`](skills/semantic-scholar/SKILL.md) | 通过 Semantic Scholar API 搜索已发表的会议论文（IEEE、ACM、Springer）。包含引用次数、会议元数据、TLDR | No | | 📚 [`deepxiv`](skills/deepxiv/SKILL.md) | 通过 DeepXiv CLI 进行渐进式论文检索：搜索、简介、章节图谱、章节阅读、趋势、网络搜索 | Yes (`pip install deepxiv-sdk`) | | 🔎 [`exa-search`](skills/exa-search/SKILL.md) | 通过 Exa 进行 AI 驱动的广泛网络搜索：博客、文档、新闻、公司、带有内容提取的研究论文（亮点、文本、摘要） | Yes (`pip install exa-py`) | | 📝 [`alphaxiv`](skills/alphaxiv/SKILL.md) | 通过 [AlphaXiv](https://alphaxiv.org) LLM 优化的摘要进行快速单论文查找。三层回退：概述 → 完整 markdown → LaTeX 源码 | No | | 🎨 [`pixel-art`](skills/pixel-art/SKILL.md) | 为 README、文档或幻灯片生成像素艺术 SVG 插图 | No | | 📱 [`feishu-notify`](skills/feishu-notify/SKILL.md) | [飞书/Lark](#-feishulark-integration-optional) 推送（webhook）或交互式（双向）。默认关闭 | No | ## ⚙️ 设置 ### 前置条件 1. 已安装 [Claude Code](https://docs.anthropic.com/en/docs/claude-code) 2. （用于审查技能）已安装 [Codex CLI](https://github.com/openai/codex) 并配置为 MCP 服务器： npm install -g @openai/codex claude mcp add codex -s user -- codex mcp-server 3. （用于工作流 3：论文撰写）带有 `latexmk` 和 `pdfinfo` 的 **LaTeX** 环境： # macOS brew install --cask mactex # 或: brew install basictex brew install poppler # 提供 pdfinfo # Ubuntu/Debian sudo apt install texlive-full latexmk poppler-utils # 验证 latexmk --version && pdfinfo -v ### 安装技能 ``` # 1. 将 ARIS 克隆一次到稳定的位置 git clone https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep.git ~/aris_repo # 2. 对于每个使用 ARIS 的项目，通过 symlinks 附加： cd ~/your-paper-project bash ~/aris_repo/tools/install_aris.sh # → 为每个 skill 创建一个 symlink：.claude/skills/ → ~/aris_repo/skills/ # → 写入清单文件 .aris/installed-skills.txt (追踪 ARIS 安装的每个条目) # → 更新托管的 CLAUDE.md ARIS 块 (尽最大努力，compare-and-swap) # → 可重复运行：随时重新运行以同步新增/移除的上游 skills # 3. 要更新所有已附加项目的现有 skills 内容： cd ~/aris_repo && git pull # symlinks resolve to live upstream — content updates automatically # 3a. 要获取新增或移除的上游 skills，请重新运行安装程序： bash ~/aris_repo/tools/install_aris.sh ~/your-paper-project # adds new symlinks, removes broken ones # 其他实用 flags： bash ~/aris_repo/tools/install_aris.sh --dry-run # show plan, no changes bash ~/aris_repo/tools/install_aris.sh --uninstall # remove only managed symlinks (per manifest) bash ~/aris_repo/tools/install_aris.sh --from-old # migrate from old nested .claude/skills/aris/ # Windows (PowerShell，使用 junctions 需要管理员或开发者模式)： .\tools\install_aris.ps1 C:\path\to\your-paper-project ``` **为什么仅靠 "git pull" 不足以处理新增/删除的技能：扁平布局为每个技能使用一个符号链接，因此在重新运行安装程序之前，上游的增删操作不会传播。这种权衡为我们换来了 Claude Code 的自动斜杠命令发现（它只扫描一层目录深度）。

从旧的嵌套安装迁移（2026-04-20 之前）

如果你以前通过 `install_aris.sh`（它将 `.claude/skills/aris/` 创建为单个嵌套符号链接）或通过 `smart_update.sh --target-subdir .claude/skills/aris` 进行安装，你的斜杠命令可能没有被 Claude Code 自动发现。请迁移到扁平布局： ``` # Symlink 风格的传统安装： bash ~/aris_repo/tools/install_aris.sh ~/your-project --from-old # 复制风格的传统安装 (可能包含本地修改 — 请明确选择策略)： bash ~/aris_repo/tools/install_aris.sh ~/your-project --from-old --migrate-copy keep-user # → 保留你嵌套的 .claude/skills/aris/ 副本，与新式扁平安装并存 bash ~/aris_repo/tools/install_aris.sh ~/your-project --from-old --migrate-copy prefer-upstream # → 将嵌套副本归档到 .aris/legacy-copy-backup-/，然后进行扁平化 ```

备选安装方式（高级）

**项目本地副本（无符号链接，适用于按项目编辑技能）：** ``` mkdir -p ~/your-project/.claude/skills bash ~/aris_repo/tools/smart_update.sh --project ~/your-project --apply # 默认的 --target-subdir 是 .claude/skills (扁平)，这是 Claude Code 所期望的。 # (旧的 --target-subdir .claude/skills/aris 现已弃用 — 请参阅上方的迁移块。) ``` **全局安装（在你的主目录中保留一份副本，可供每个项目使用）：** ``` mkdir -p ~/.claude/skills cp -r ~/aris_repo/skills/* ~/.claude/skills/ # 使用以下命令更新：bash tools/smart_update.sh --apply ```

可选：用于代码审查的 Codex 插件

[codex-plugin-cc](https://github.com/openai/codex-plugin-cc) 提供了额外的 Codex 功能，ARIS 在安装后会自动检测： ``` # 在 Claude Code 中： /plugin marketplace add openai/codex-plugin-cc /plugin install codex@openai-codex /reload-plugins /codex:setup ``` **ARIS 在何处使用该插件：** | 技能 | 命令 | 作用 | |-------|---------|-------------| | `/codex:review` | 工作流 1.5 | 在 GPU 部署前审查实验代码 | | `/codex:adversarial-review` | 工作流 1.5 | 对抗性代码审查（发现边缘情况和错误） | | `/codex:rescue` | 工作流 1.5 + 3 | **自动调试救援**——当实验或 LaTeX 编译在 2 次尝试后失败时，Codex 会在下次重试前独立诊断根本原因 | 所有插件功能都是**可选的**——如果未安装，ARIS 会回退到 Claude 自己的诊断。该插件只是增加了另一双眼睛。

### 更新技能 ``` cd Auto-claude-code-research-in-sleep git pull # 🧠 智能更新 (推荐) — 分析哪些更新是安全的 bash tools/smart_update.sh # dry-run: shows what would change bash tools/smart_update.sh --apply # apply: adds new + updates safe ones # 手动选项 (如果你更喜欢)： # cp -r skills/* ~/.claude/skills/ # 选项 A：覆盖全部 # cp -rn skills/* ~/.claude/skills/ # 选项 B：仅添加新文件，保留你的文件 # cp -r skills/experiment-bridge ~/.claude/skills/ # 选项 C：特定 skill ``` ### 使用方法 ``` # 工作流 1：Idea Discovery > /idea-discovery "your research direction" # full pipeline > /research-lit "topic" # just literature survey (all sources) > /research-lit "topic" — sources: zotero, web # mix and match sources > /research-lit "topic" — sources: deepxiv # DeepXiv-only progressive retrieval > /research-lit "topic" — sources: exa # Exa AI-powered web search with content extraction > /research-lit "topic" — arxiv download: true # also download top arXiv PDFs > /arxiv "discrete diffusion" — download # standalone arXiv search + download > /idea-creator "topic" # just brainstorm # 工作流 2：Auto Research Loop > /auto-review-loop "your paper topic" # review → fix → repeat > /research-review "your paper" # single deep review # 工作流 3：Paper Writing > /paper-writing "NARRATIVE_REPORT.md" # full pipeline > /paper-plan "NARRATIVE_REPORT.md" # just outline > /paper-compile "paper/" # just compile # 完整流水线 (Full Pipeline) > /research-pipeline "your research direction" # Workflow 1 → 2 → 3 end-to-end # 辅助 Skills > /run-experiment train.py --lr 1e-4 --epochs 100 > /analyze-results figures/*.json > /monitor-experiment server5 ``` ### 🌙 通宵运行的自动允许（可选） 要在无需点击权限提示的情况下运行自动审查循环，请添加到 `.claude/settings.local.json`： ``` { "permissions": { "allow": [ "mcp__codex__codex", "mcp__codex__codex-reply", "Write", "Edit", "Skill(auto-review-loop)" ] } } ```

🖥️ GPU 服务器设置（用于自动实验）

当 GPT-5.4 说“运行一项消融研究”或“添加一个基线比较”时，Claude Code 会自动编写实验脚本并将其部署到你的 GPU 服务器。为此，Claude Code 需要了解你的服务器环境。 支持三种 GPU 模式——选择一种并添加到你项目的 `CLAUDE.md` 中： #### 选项 A：远程 SSH 服务器（`gpu: remote`） ``` ## 远程服务器 - gpu: remote - SSH: `ssh my-gpu-server` (key-based auth, no password) - GPU: 4x A100 - Conda env: `research` (Python 3.10 + PyTorch) - Activate: `eval "$(/opt/conda/bin/conda shell.bash hook)" && conda activate research` - Code directory: `/home/user/experiments/` - Use `screen` for background jobs: `screen -dmS exp0 bash -c '...'` ``` Claude Code 读取这些信息后，就知道如何通过 SSH 连入、激活环境并启动实验。GPT-5.4（审查者）只决定运行**什么**实验——Claude Code 根据 `CLAUDE.md` 弄清楚**如何**运行。 #### 选项 B：本地 GPU（`gpu: local`） 如果你已经在 GPU 服务器上，可以将以下内容添加到 `CLAUDE.md` 中： ``` ## GPU 环境 - gpu: local - This machine has direct GPU access (no SSH needed) - GPU: 4x A100 80GB - Experiment environment: `YOUR_CONDA_ENV` (Python 3.x + PyTorch) - Activate before any Python command: `The command to activate your experiment environment` (uv, conda, etc.) - Code directory: `/home/YOUR_USERNAME/YOUR_CODE_DIRECTORY/` ``` #### 选项 C：Vast.ai 按需 GPU（`gpu: vast`） 没有 GPU？按需从 [Vast.ai](https://vast.ai) 租用。ARIS **分析你的训练任务**（模型大小、数据集、估计时间），搜索符合条件的最便宜 GPU，并展示带有**预计总成本**（而不仅仅是 $/hr）的选项。在你选择后，它会处理一切：租用 → 设置 → 运行 → 收集结果 → 销毁。 **前置条件：** 1. 在 https://cloud.vast.ai/ **创建 Vast.ai 账户**并添加账单信息（信用卡或加密货币） 2. **安装 `vastai` CLI**（需要 **Python ≥ 3.10**）： pip install vastai 如果你的 Python 版本较旧（使用 `python --version` 检查），请使用带有 Python ≥ 3.10 的虚拟环境（例如 `conda create`、`pyenv`、`uv venv` 等）。 3. **设置你的 API key**——从 https://cloud.vast.ai/cli/ 获取： vastai set api-key YOUR_API_KEY 4. 在 https://cloud.vast.ai/manage-keys/ **上传你的 SSH 公钥**——这是**租用实例前必须完成的**（密钥在创建时植入）。如果你没有密钥： ssh-keygen -t ed25519 -C "your_email@example.com" cat ~/.ssh/id_ed25519.pub # 复制此内容到 Vast.ai 5. **验证设置**——测试搜索是否正常工作： vastai search offers 'gpu_ram>=24 reliability>0.95' -o 'dph+' --limit 3 **添加到 `CLAUDE.md`：** ``` ## Vast.ai - gpu: vast # rent on-demand GPU from vast.ai - auto_destroy: true # auto-destroy after experiment completes (default) - max_budget: 5.00 # optional: warn if estimated cost exceeds this ``` 就这样——不需要 GPU 型号或硬件配置。当你运行 `/run-experiment` 时，ARIS 会读取你的实验脚本/计划，估计 VRAM 和训练时间，并显示如下选项： ``` | # | GPU | VRAM | $/hr | Est. Hours | Est. Total | Offer ID | |---|-----------|-------|-------|------------|------------|----------| | 1 | RTX 4090 | 24 GB | $0.28 | ~4h | ~$1.12 | 6995713 | ← best value | 2 | A100 SXM | 80 GB | $0.95 | ~2h | ~$1.90 | 7023456 | ← fastest ``` 选择一个数字，它会处理剩下的工作。直接使用 `/vast-gpu` 进行手动控制。 **完全没有服务器？** 审查和重写技能在没有 GPU 访问权限的情况下仍然可以工作。只有与实验相关的修复会被跳过（标记为供手动跟进）。

📚 Zotero 集成（可选）

如果你使用 [Zotero](https://www.zotero.org/) 管理论文库，`/research-lit` 可以搜索你的集合、阅读你的注释/高亮，并导出 BibTeX——所有这些都在搜索网络之前完成。 **推荐：[zotero-mcp](https://github.com/54yyyu/zotero-mcp)**（1.8k⭐，语义搜索、PDF 注释、BibTeX 导出） ``` # 安装 uv tool install zotero-mcp-server # or: pip install zotero-mcp-server # 添加到 Claude Code (本地 API — 需要运行 Zotero 桌面版) claude mcp add zotero -s user -- zotero-mcp -e ZOTERO_LOCAL=true # 或者使用 Web API (在 Zotero 未运行时也能工作) claude mcp add zotero -s user -- zotero-mcp \ -e ZOTERO_API_KEY=your_key -e ZOTERO_USER_ID=your_id ``` **它在 `/research-lit` 中启用的功能：** - 🔍 按主题搜索你的 Zotero 文献库（包括语义/向量搜索） - 📂 浏览集合和标签 - 📝 阅读你的 PDF 注释和高亮（你个人认为重要的内容） - 📄 导出 BibTeX 以直接用于论文写作 **不使用 Zotero？** 没问题——`/research-lit` 会自动跳过 Zotero，改用本地 PDF + 网络搜索。

📓 Obsidian 集成（可选）

如果你使用 [Obsidian](https://obsidian.md/) 记录研究笔记，`/research-lit` 可以搜索你的库以查找论文摘要、带标签的引用和你自己的见解。 **推荐：[mcpvault](https://github.com/bitbonsai/mcpvault)**（760⭐，不需要 Obsidian 应用，14 种工具，BM25 搜索） ``` # 添加到 Claude Code (指向你的 vault 路径) claude mcp add obsidian-vault -s user -- npx @bitbonsai/mcpvault@latest /path/to/your/vault ``` **可选补充：[obsidian-skills](https://github.com/kepano/obsidian-skills)**（13.6k⭐，由 Obsidian CEO 开发）——教会 Claude 理解 Obsidian 特定的 Markdown（wikilinks、callouts、properties）。复制到你的库中： ``` git clone https://github.com/kepano/obsidian-skills.git cp -r obsidian-skills/.claude /path/to/your/vault/ ``` **它在 `/research-lit` 中启用的功能：** - 🔍 在你的库中搜索有关研究主题的笔记 - 🏷️ 通过标签查找笔记（例如，`#paper-review`、`#diffusion-models`） - 📝 阅读你处理过的摘要和见解（比原始论文更有价值） - 🔗 跟随 wikilinks 发现相关笔记 **不使用 Obsidian？** 没问题——`/research-lit` 会自动跳过 Obsidian，照常工作。 #### arXiv 集成 `/research-lit` 自动查询 arXiv API 以获取结构化元数据（标题、摘要、完整作者列表、类别）——比网络搜索片段更丰富。无需设置。 默认情况下，只获取元数据（不下载文件）。如果还要下载最相关的 PDF： ``` /research-lit "topic" — arxiv download: true # download top 5 PDFs /research-lit "topic" — arxiv download: true, max download: 10 # download up to 10 ``` 如需单独访问 arXiv，请使用专用的 [`/arxiv`](skills/arxiv/SKILL.md) 技能： ``` /arxiv "attention mechanism" # search /arxiv "2301.07041" — download # download specific paper ```

📱 飞书/Lark 集成（可选）

在实验完成、审查评分或检查点需要你输入时获取移动通知——无需守在终端前。 | 仅推送（群卡片） | 交互式（私聊） | |:-:|:-:| | | | **三种模式——你可以按项目选择：** | 模式 | 发生情况 | 你需要什么 | |------|-------------|----------| | **关闭**（默认） | 无。纯 CLI，不涉及飞书 | 无 | | **仅推送** | 关键事件的 Webhook 通知。移动端推送，无需回复 | 飞书机器人 Webhook URL | | **交互式** | 完全双向。从飞书批准/拒绝想法、回复检查点 | [feishu-claude-code](https://github.com/joewongjc/feishu-claude-code) 正在运行 |

仅推送设置（5 分钟）

带有丰富卡片的群组通知——实验完成、审查评分、流水线完成。移动端推送，无需回复。 **步骤 1：创建飞书群机器人** 1. 打开你的飞书群（或创建一个测试群） 2. 群设置 → 机器人 → 添加机器人 → **自定义机器人** 3. 为其命名（例如 `ARIS Notifications`），复制 **Webhook URL** 4. 安全设置：添加自定义关键词 `ARIS`（所有通知都包含此词），或保持不限制 **步骤 2：创建配置文件** ``` cat > ~/.claude/feishu.json << 'EOF' { "mode": "push", "webhook_url": "https://open.feishu.cn/open-apis/bot/v2/hook/YOUR_WEBHOOK_ID" } EOF ``` **步骤 3：测试** ``` curl -s -X POST "YOUR_WEBHOOK_URL" \ -H "Content-Type: application/json" \ -d '{ "msg_type": "interactive", "card": { "header": {"title": {"tag": "plain_text", "content": "🧪 ARIS Test"}, "template": "blue"}, "elements": [{"tag": "markdown", "content": "Push mode working! 🎉"}] } }' ``` 你应该会在群中看到一张蓝色卡片。技能现在将在关键事件自动发送丰富卡片： | 事件 | 卡片颜色 | 内容 | |-------|-----------|---------| | 审查得分 ≥ 6 | 🟢 绿色 | 分数、结论、主要弱点 | | 审查得分 < 6 | 🟠 橙色 | 分数、结论、行动项 | | 实验完成 | 🟢 绿色 | 结果表、与基线的差值 | | 检查点等待中 | 🟡 黄色 | 问题、选项、上下文 | | 错误 | 🔴 红色 | 错误消息、建议的修复 | | 流水线完成 | 🟣 紫色 | 分数变化过程、交付物 |

交互式设置（15 分钟）

包含推送模式的所有功能，**外加**通过飞书与 Claude Code 的双向私聊。批准/拒绝想法、回复检查点、给出自定义指令——全部通过手机完成。 **工作原理**：推送卡片发送到**群组**（每个人都能看到状态）。交互式对话在**与机器人的私聊**中进行（你回复，Claude Code 执行）。 **步骤 1：首先完成上面的推送设置**（你将保留两者） **步骤 2：在 [open.feishu.cn](https://open.feishu.cn/app) 上创建飞书应用** 1. 点击 **创建企业自建应用** → 为其命名（例如 `ARIS Claude Bot`） → 创建 2. 左侧菜单 → **添加应用能力** → 勾选 **机器人** 3. 左侧菜单 → **权限管理** → 搜索并启用这 5 个权限： | 权限 | 范围 | 原因 | |-----------|-------|-----| | `im:message` | 发送与接收消息 | 核心消息功能 | | `im:message:send_as_bot` | 以机器人身份发送 | 机器人回复 | | `im:message.group_at_msg:readonly` | 接收群 @提及 | 群消息 | | `im:message.p2p_msg:readonly` | **接收私聊消息** | ⚠️ **容易遗漏！** 没有此权限，机器人可以连接但永远收不到你的消息 | | `im:resource` | 访问附件 | 图片/文件 | 4. 左侧菜单 → **事件与回调** → 选择 **长连接** 模式 → 添加事件：`im.message.receive_v1` → 保存 5. 左侧菜单 → **版本管理与发布** → **创建版本** → 填写描述 → **提交审核** **步骤 3：部署桥接服务** ``` git clone https://github.com/joewongjc/feishu-claude-code.git cd feishu-claude-code python3 -m venv .venv && source .venv/bin/activate pip install -r requirements.txt # 配置 cp .env.example .env ``` 编辑 `.env`： ``` FEISHU_APP_ID=cli_your_app_id # From app credentials page FEISHU_APP_SECRET=your_app_secret # From app credentials page DEFAULT_MODEL=claude-opus-4-6 # ⚠️ Default is sonnet — change to opus for best results DEFAULT_CWD=/path/to/your/project # Working directory for Claude Code PERMISSION_MODE=bypassPermissions # Or "default" for safer mode ``` 启动桥接服务： ``` python main.py # 预期输出： # ✅ 连接飞书 WebSocket 长连接（自动重连）... # [Lark] 已连接到 wss://msg-frontier.feishu.cn/ws/v2?... ``` 对于长期运行，请将其放入 screen 会话中： ``` screen -dmS feishu-bridge bash -c 'cd /path/to/feishu-claude-code && source .venv/bin/activate && python main.py' ``` **步骤 4：保存事件配置**——返回飞书开放平台 → 事件与回调 → 长连接现在应该显示“已检测到连接” → **保存** **步骤 5：测试私聊** 1. 在飞书中，在你的中找到该机器人（通过应用名称搜索） 2. 向其发送消息：`你好` 3. 它应该会通过 Claude Code 回复 **如果机器人没有回复**：发送 `/new` 以重置会话，然后重试。常见问题： | 症状 | 原因 | 修复方法 | |---------|-------|-----| | 机器人已连接但从未收到消息 | 缺少 `im:message.p2p_msg:readonly` 权限 | 添加权限 → 创建新版本 → 发布 | | 机器人有回复但不知道你的项目 | `DEFAULT_CWD` 指向错误的目录 | 编辑 `.env` → 重启桥接服务 | | 机器人有回复但能力较弱 | 正在使用 `claude-sonnet-4-6` | 在 `.env` 中更改为 `claude-opus-4-6` → 重启 | | 旧会话存在过期上下文 | 配置更改前缓存的会话 | 在聊天中发送 `/new` 以启动全新会话 | | 保存事件时出现“未检测到应用连接信息” | 桥接服务尚未运行 | 先启动桥接服务，然后保存事件配置 | **步骤 6：更新 ARIS 配置** ``` cat > ~/.claude/feishu.json << 'EOF' { "mode": "interactive", "webhook_url": "https://open.feishu.cn/open-apis/bot/v2/hook/YOUR_WEBHOOK_ID", "interactive": { "bridge_url": "http://localhost:5000", "timeout_seconds": 300 } } EOF ``` 现在技能将会： - **推送**丰富卡片到群组（状态通知，每个人都能看到） - **私聊**你以做出决策（检查点、批准/拒绝、自定义指令） #### 哪些技能会发送通知？ | 技能 | 事件 | 推送 | 交互式 | |-------|--------|------|-------------| | `/auto-review-loop` | 审查已评分（每轮）、循环完成 | 分数 + 结论 | + 等待继续/停止 | | `/auto-paper-improvement-loop` | 审查已评分、所有轮次完成 | 分数变化过程 | 分数变化过程 | | `/run-experiment` | 实验已部署 | GPU 分配 + ETA | GPU 分配 + ETA | | `/vast-gpu` | 实例已租用/销毁 | 实例 ID + 成本 | 实例 ID + 成本 | | `/monitor-experiment` | 结果已收集 | 结果表 | 结果表 | | `/idea-discovery` | 阶段转换、最终报告 | 每个阶段的摘要 | + 在检查点批准/拒绝 | | `/research-pipeline` | 阶段转换、流水线完成 | 阶段摘要 | + 批准/拒绝 |

**不使用飞书？** 没问题——如果没有 `~/.claude/feishu.json`，所有技能的行为与以前完全相同。零开销，零副作用。

## 🎛️ 自定义 技能是纯 Markdown 文件。可以分叉并自定义： ### 完整研究流水线（`research-pipeline`） | 常量 | 默认值 | 描述 | 传递 | |----------|---------|-------------|:---:| | `AUTO_PROCEED` | true | 如果用户没有响应，自动继续使用排名最高的选项 | → `idea-discovery` | | `ARXIV_DOWNLOAD` | false | 文献检索后下载热门 arXiv PDF | → `idea-discovery` → `research-lit` | | `HUMAN_CHECKPOINT` | false | 当为 `true` 时，在每轮审查后暂停等待批准 | → `auto-review-loop` | | `WANDB` | false | 自动向实验添加 W&B 日志记录 | → `experiment-bridge` → `run-experiment` | | `CODE_REVIEW` | true | GPT-5.4 在部署前审查实验代码 | → `experiment-bridge` | | `BASE_REPO` | false | 用作实验基础代码库的 GitHub 仓库 URL | → `experiment-bridge` | | `GPU` | `local` | GPU 目标：`local`、`remote` (SSH) 或 `vast`（[Vast.ai](https://vast.ai) 按需租用） | → `experiment-bridge` → `run-experiment` | | `COMPACT` | false | 为短上下文模型和会话恢复生成紧凑的摘要文件 | → 所有工作流 | | `REF_PAPER` | false | 作为想法基础的参考论文（PDF 路径或 URL）。首先进行总结，然后用作上下文 | → `idea-discovery` | | `ILLUSTRATION` | `gemini` | AI 插图：`gemini`（默认）、`mermaid`（免费）或 `false`（跳过） | → `paper-writing` | 内联覆盖：`/research-pipeline "topic" — auto proceed: false, illustration: mermaid` ### 自动审查循环（`auto-review-loop`） | 常量 | 默认值 | 描述 | |----------|---------|-------------| | `MAX_ROUNDS` | 4 | 最大审查→修复→重新审查迭代次数 | | `POSITIVE_THRESHOLD` | 6/10 | 循环停止的分数（可提交） | | `> 4 GPU-hour skip` | 4h | 超过此时间的实验将被标记为供手动跟进 | ### 想法发现（`idea-discovery` / `idea-creator`） | 常量 | 默认值 | 描述 | 传递 | |----------|---------|-------------|:---:| | `PILOT_MAX_HOURS` | 2h | 跳过任何预计每块 GPU 耗时超过此时间的试验 | — | | `PILOT_TIMEOUT_HOURS` | 3h | 硬超时——终止失控的试验，收集部分结果 | — | | `MAX_PILOT_IDEAS` | 3 | 并行试验的最大想法数量 | — | | `MAX_TOTAL_GPU_HOURS` | 8h | 所有试验的总 GPU 预算 | — | | `AUTO_PROCEED` | true | 如果用户没有响应，自动继续使用排名最高的选项 | — | | `ARXIV_DOWNLOAD` | false | 文献检索后下载热门 arXiv PDF | → `research-lit` | 内联覆盖：`/idea-discovery "topic" — pilot budget: 4h per idea, sources: zotero, arxiv download: true` ### 实验桥接（`experiment-bridge`） | 常量 | 默认值 | 描述 | |----------|---------|-------------| | `CODE_REVIEW` | true | GPT-5.4 xhigh 在部署前审查代码。在浪费 GPU 时间之前捕获逻辑错误 | | `AUTO_DEPLOY` | true | 实现和审查后自动部署实验。设置为 `false` 以手动检查 | | `SANITY_FIRST` | true | 首先运行最小的实验，在完全部署前捕获设置错误 | | `MAX_PARALLEL_RUNS` | 4 | 并行部署的最大实验数（受可用 GPU 限制） | | `WANDB` | false | 自动添加 W&B 日志记录。需要在 CLAUDE.md 中配置 `wandb_project` | | `BASE_REPO` | false | 用作实验基础代码库的 GitHub 仓库 URL | 内联覆盖：`/experiment-bridge — base repo: https://github.com/org/project` ### 文献检索（`research-lit`） | 常量 | 默认值 | 描述 | |----------|---------|-------------| | `PAPER_LIBRARY` | `papers/`、`literature/` | 在在线搜索之前扫描本地 PDF 的目录 | | `MAX_LOCAL_PAPERS` | 20 | 最大扫描本地 PDF 数量（每份前 3 页） | | `SOURCES` | `all` | 搜索哪些来源：`zotero`、`obsidian`、`local`、`web`、`semantic-scholar`、`deepxiv`、`exa` 或 `all`。`semantic-scholar`、`deepxiv` 和 `exa` 必须明确列出 | | `ARXIV_DOWNLOAD` | false | 当为 `true` 时，搜索后将相关的热门 arXiv PDF 下载到 PAPER_LIBRARY | | `ARXIV_MAX_DOWNLOAD` | 5 | 当 `ARXIV_DOWNLOAD = true` 时下载的最大 PDF 数量 | 内联覆盖：`/research-lit "topic" — sources: zotero, web`、`/research-lit "topic" — sources: all, deepxiv`、`/research-lit "topic" — sources: all, exa`、`/research-lit "topic" — arxiv download: true, max download: 10` ### 论文撰写（`paper-write`） | 常量 | 默认值 | 描述 | |----------|---------|-------------| | `DBLP_BIBTEX` | true | 从 DBLP/CrossRef 获取真实的 BibTeX，而不是 LLM 生成的条目 | | `TARGET_VENUE` | `ICLR` | 目标会议/期刊：`ICLR`、`NeurIPS`、`ICML`、`CVPR`、`ACL`、`AAAI`、`ACM`、`IEEE_JOURNAL`、`IEEE_CONF` | | `ANONYMOUS` | true | 为盲审使用匿名作者块。注意：大多数 IEEE 会议/期刊不匿名——IEEE 请设为 `false` | | `MAX_PAGES` | 9 | 页数限制。ML 会议：正文不含参考文献。IEEE：总页数含参考文献 | | `ILLUSTRATION` | `gemini` | AI 插图模式：`gemini`（默认，需要 `GEMINI_API_KEY`）、`mermaid`（免费）或 `false`（跳过） | 内联覆盖：`/paper-write — target venue: NeurIPS, illustration: mermaid` ### 常规（所有使用 Codex MCP 的技能） | 常量 | 默认值 | 描述 | |----------|---------|-------------| | `REVIEWER_MODEL` | `gpt-5.4` | 通过 Codex MCP 使用的 OpenAI 模型。也可用：`gpt-5.3-codex`、`gpt-5.2-codex`、`o3`。完整列表请参见[支持的模型](https://developers.openai.com/codex/models/)。 | - **提示模板**——定制审查角色和评估标准 - **`allowed-tools`**——限制或扩展每个技能可以执行的操作 ## 🔀 备选模型组合 没有 Claude / OpenAI API 访问权限？你可以替换为其他模型——相同的跨模型架构，不同的提供商。 | | 执行者 | 审查者 | 需要 Claude API？ | 需要 OpenAI API？ | 指南 | |---|----------|----------|:---:|:---:|-------| | **默认** ⭐ | Claude Opus/Sonnet | GPT-5.4 (Codex MCP) | Yes | Yes | [快速开始](#-quick-start) | | **备选 A** | GLM-5 (Z.ai) | GPT-5.4 (Codex MCP) | No | Yes | [下方设置](#alt-a-glm--gpt) | | **备选 B** | GLM-5 (Z.ai) | MiniMax-M2.7 | No | No | [MINIMAX_MCP_GUIDE](docs/MINIMAX_MCP_GUIDE.md) | | **备选 C** | 任何 CC 兼容的 | 任何 OpenAI 兼容的 | No | No | [LLM_API_MIX_MATCH_GUIDE](docs/LLM_API_MIX_MATCH_GUIDE.md) | | **备选 D** | Kimi-K2.5 / Qwen3.5+ | GLM-5 / MiniMax-M2.7 | No | No | [ALI_CODING_PLAN_GUIDE](docs/ALI_CODING_PLAN_GUIDE.md) | | **备选 E** 🆓 | DeepSeek-V3.1 / Qwen3-Coder | DeepSeek-R1 / Qwen3-235B | No | No | [MODELSCOPE_GUIDE](docs/MODELSCOPE_GUIDE.md) | | **备选 F** | Codex CLI (GPT-5.4) | Codex `spawn_agent` (GPT-5.4) | No | Yes | [skills-codex/](skills/skills-codex/) | | **备选 G** 🆕 | Codex CLI | Claude Code CLI (`claude-review` MCP) | No* | No* | [CODEX_CLAUDE_REVIEW_GUIDE](docs/CODEX_CLAUDE_REVIEW_GUIDE.md) | | **备选 H** 🆕 | Antigravity (Claude Opus 4.6 / Gemini 3.1 Pro) | GPT-5.4 (Codex MCP) 或任何通过 llm-chat | No | Optional | [ANTIGRAVITY_ADAPTATION](docs/ANTIGRAVITY_ADAPTATION.md) | | **备选 I** 🆕 | Codex CLI | Gemini 直接 API (`gemini-review` MCP) | No | No | [CODEX_GEMINI_REVIEW_GUIDE](docs/CODEX_GEMINI_REVIEW_GUIDE.md) | **备选 C** 支持已测试的提供商：GLM (Z.ai)、Kimi (Moonshot)、LongCat (Meituan) 作为执行者；DeepSeek、MiniMax 作为审查者。任何兼容 OpenAI 的 也应该通过通用的 [`llm-chat`](mcp-servers/llm-chat/) MCP 服务器工作。**备选 D** 使用[阿里巴巴编码计划](https://bailian.console.aliyun.com/)——一个 API 密钥同时用于执行者和审查者，包含 4 个模型（Kimi、Qwen、GLM、MiniMax）。**备选 E** 使用 [ModelScope](https://www.modelscope.cn/)——**免费**（每天 2000 次调用），一个密钥，无自动化限制。**备选 G** 将 Codex 保留为执行者，但通过本地 `claude-review` MCP 桥接将审查者替换为 Claude Code CLI，对冗长的论文/审查提示具有异步轮询功能。**备选 H** 使用 [Google Antigravity](https://antigravity.google/) 作为执行者，具有原生 SKILL.md 支持——可选择 Claude Opus 4.6 (Thinking) 或 Gemini 3.1 Pro (high) 作为执行模型。**备选 I** 将 Codex 保留为执行者，仅增加了一个薄薄的 `skills-codex-gemini-review` 覆盖层，并通过本地 `gemini-review` MCP 桥接将感知审查者的预定义技能路由到默认的 Gemini 直接 API。它是现有 Codex+Claude 审查路径最接近的 Gemini 类似物，同时最大程度地减少了技能更改，现在也通过同一桥接覆盖了海报 PNG 审查。免费层的可用性、速率限制和数据使用条款仍受 Google 当前政策的约束。 \* 备选 G 通常依赖于本地 Codex CLI 和 Claude Code CLI 登录。直接 API 密钥是可选的，非必需。 ### 备选 A：GLM + GPT 仅替换执行者（Claude → GLM），通过 Codex MCP 保留 GPT-5.4 作为审查者。 ``` npm install -g @anthropic-ai/claude-code npm install -g @openai/codex codex setup # set model to gpt-5.4 ``` 配置 `~/.claude/settings.json`： ``` { "env": { "ANTHROPIC_AUTH_TOKEN": "your_zai_api_key", "ANTHROPIC_BASE_URL": "https://api.z.ai/api/anthropic", "API_TIMEOUT_MS": "3000000", "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-4.5-air", "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-4.7", "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5" }, "mcpServers": { "codex": { "command": "/opt/homebrew/bin/codex", "args": ["mcp-server"] } } } ``` Codex CLI 使用你现有的 `OPENAI_API_KEY`（来自 `~/.codex/config.toml` 或环境变量）——审查者端无需额外配置。 ### 备选 B：GLM + MiniMax 无需 Claude 或 OpenAI API。使用自定义的 MiniMax MCP 服务器代替 Codex（因为 MiniMax 不支持 OpenAI 的 Responses API）。完整指南：[`docs/MINIMAX_MCP_GUIDE.md`](docs/MINIMAX_MCP_GUIDE.md)。 ### 备选 C：任何执行者 + 任何审查者 使用通用的 `llm-chat` MCP 服务器自由混合搭配。支持任何兼容 OpenAI 的 API 作为审查者。完整指南：[`docs/LLM_API_MIX_MATCH_GUIDE.md`](docs/LLM_API_MIX_MATCH_GUIDE.md)。 组合示例：GLM + DeepSeek、Kimi + MiniMax、Claude + DeepSeek、LongCat + GLM 等。 ### 设置完成后：安装技能并验证 ``` git clone https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep.git cd Auto-claude-code-research-in-sleep cp -r skills/* ~/.claude/skills/ claude ``` ## 📋 路线图 ### 已完成 - [x] **人机协同检查点**——idea-discovery 和 research-pipeline 在关键决策点暂停以供用户批准。可通过 `AUTO_PROCEED` 配置（默认：自动继续；设置为 `false` 以始终等待） - [x] **备选模型组合**——[GLM + GPT、GLM + MiniMax](#-alternative-model-combinations) 已完整记录并提供设置指南。无需 Claude 或 OpenAI API - [x] **工作流 3：论文撰写流水线**——完整链路：`/paper-plan` → `/paper-figure` → `/paper-write` → `/paper-compile`。ICLR/NeurIPS/ICML 模板、声明-证据矩阵、出版级质量的图表、latexmk 自动修复。灵感来自 [claude-scholar](https://github.com/Galaxy-Dawn/claude-scholar)、[Research-Paper-Writing-Skills](https://github.com/Master-cai/Research-Paper-Writing-Skills)、[baoyu-skills](https://github.com/jimliu/baoyu-skills)

显示 6 项更多已完成的内容

- [x] **可配置的 REVIEWER_MODEL**——所有依赖 Codex 的技能都支持自定义审查者模型（默认为 `gpt-5.4`，也适用于 `gpt-5.3-codex`、`gpt-5.2-codex`、`o3` 等） - [x] **本地论文库扫描**——`/research-lit` 在外部搜索之前扫描本地的 `papers/` 和 `literature/` 目录，利用你已经阅读过的论文 - [x] **想法发现流水线**——`/idea-discovery` 在一个命令中编排 research-lit → idea-creator → novelty-check → research-review，并在 GPU 上进行试验实验 - [x] **完整研究流水线**——`/research-pipeline` 链接工作流 1（想法发现）→ 实现 → 工作流 2（自动审查循环）端到端 - [x] **同行评审技能**——`/peer-review` 作为会议审稿人审查他人的论文，带有 GPT-5.4 元审查（计划中；目前使用 `/research-review` 并配合论文 PDF） - [x] **跨模型协作**——Claude Code（执行者）× Codex GPT-5.4 xhigh（审查者）架构，避免了单模型自我博弈的局部最优解 - [x] **飞书/Lark 集成**——三种模式（关闭/推送/交互式），可通过 `~/.claude/feishu.json` 配置。仅推送只需一个 Webhook URL；交互式使用 [feishu-claude-code](https://github.com/joewongjc/feishu-claude-code)。默认关闭——对现有工作流零影响。参见[设置指南](#-feishulark-integration-optional) - [x] **Zotero MCP 集成**——`/research-lit` 搜索 Zotero 集合，读取注释/高亮，导出 BibTeX。推荐：[zotero-mcp](https://github.com/54yyyu/zotero-mcp)（1.8k⭐）。参见[设置指南](#-zotero-integration-optional) - [x] **Obsidian 集成**——`/research-lit` 搜索 Obsidian 库以查找研究笔记、带标签的引用、wikilinks。推荐：[mcpvault](https://github.com/bitbonsai/mcpvault)（760⭐）+ [obsidian-skills](https://github.com/kepano/obsidian-skills)（13.6k⭐）。参见[设置指南](#-obsidian-integration-optional) - [x] **更多执行者 × 审查者组合**——任何兼容 OpenAI 的 API 都可通过 [`llm-chat`](mcp-servers/llm-chat/) MCP 服务器工作。GLM、MiniMax、Kimi、LongCat、DeepSeek 均已测试——无需 Claude 或 OpenAI API - [x] **基于 GitHub 的代码同步**——`/run-experiment` 支持 `code_sync: git`（`git push` → `ssh "git pull"`） - [x] **W&B 集成**——当 `wandb: true` 时自动 `wandb.init()` + `wandb.log()`。`/monitor-experiment` 拉取训练曲线 - [x] **ModelScope 集成**——[免费](docs/MODELSCOPE_GUIDE.md)（每天 2000 次调用），一个 API 密钥，双协议

### 计划中 - [ ] **守护进程模式**——通过 `launchd`/`systemd` 自动重启 Claude Code 会话，以实现真正的无人值守操作。目前编排层需要一个活动的 CLI 会话；状态文件（`REVIEW_STATE.json`、`AUTO_REVIEW.md`）支持跨会话恢复，但重新启动是手动的（[#11](https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep/issues/11)） - [ ] **参考风格图表生成**——从参考 PDF 中读取图表 → 识别图表类型、配色方案、布局 → 用你自己的数据生成相同样式的图表。剩余子目标：**数据图表**（提取颜色/字体样式 → matplotlib rcParams）。方法图 ✅ 已通过 `paper-illustration` 解决 - [ ] **工作流执行报告**——在每个工作流（1/1.5/2/3）完成后，自动生成结构化摘要：完成了什么、做出了哪些关键决策、运行了哪些实验、获得了什么结果、得分和花费的时间。输出为 `WORKFLOW_REPORT.md`，用于进度跟踪、团队汇报和导师更新 - [x] **基于文档的流水线输入**——`/idea-discovery` 和 `/research-pipeline` 自动检测项目根目录中的 `RESEARCH_BRIEF.md`。详细的上下文取代了一行提示。模板：`templates/RESEARCH_BRIEF_TEMPLATE.md` - [ ] **自动超参数调优技能**——将 [auto-hparam-tuning](https://github.com/zxh0916/auto-hparam-tuning) 重写为 ARIS SKILL.md。5 步循环：了解项目 → 计划调优策略 → 运行实验 → 分析指标（TensorBoard/W&B）→ 学习并迭代。将插入到工作流 1.5（`/experiment-bridge`）或工作流 2（`/auto-review-loop`）中，当审查者说“调整超参数”时触发 - [ ] **插件格式**——将 ARIS 打包为 Claude Code 插件，通过 `/plugin install aris` 实现一键安装。技能版本将继续保持以实现跨平台兼容性（Codex CLI、Cursor、Trae 等） ## 💬 社区 **欢迎特定领域的技能！** 核心技能涵盖了一般的研究工作流，但每个领域都有其自身的工具和模式。我们欢迎添加你所在领域新技能的 PR——EDA、生物信息学、机器人技术、HPC 或任何其他领域。只需添加一个 `skills/your-skill/SKILL.md` 并发起 PR。参见 [`dse-loop`](skills/dse-loop/SKILL.md) 作为示例。 加入微信小组，讨论 Claude Code + AI 驱动的研究工作流： ## 📖 引用 如果你在研究中使用 ARIS，请引用： ``` @misc{yang2026aris, author = {Yang, Ruofeng and Li, Yongcan and Li, Shuai}, title = {ARIS: Fully Autonomous Research via Adversarial Multi-Agent Collaboration}, year = {2026}, url = {https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep}, } ``` ## ⭐ Star 历史  [](https://star-history.com/#wanshuiyin/Auto-claude-code-research-in-sleep&Date) ## 🙏 致谢 ARIS 的灵感来自： - 🧪 [AI Scientist](https://github.com/SakanaAI/AI-Scientist) (Sakana AI)——自动化研究先驱 - 📖 [AutoResearch](https://github.com/karpathy/autoresearch) (Andrej Karpathy)——端到端研究自动化 - 🔭 [FARS](https://analemma.ai/blog/introducing-fars/) (Analemma)——完全自动化的研究系统 - 🎨 [PaperBanana](https://github.com/dwzhu-pku/PaperBanana) (PKU)——多智能体学术插图框架 本项目基于并与许多优秀的开源项目集成： **核心基础设施** - [Claude Code](https://docs.anthropic.com/en/docs/claude-code)——Anthropic 的 Claude CLI，执行骨干 - [Codex CLI](https://github.com/openai/codex)——OpenAI 的 CLI，用作跨模型审查的 MCP 服务器 **Zotero 集成**（[设置指南](#-zotero-integration-optional)） - [zotero-mcp](https://github.com/54yyyu/zotero-mcp)——带有语义搜索和 PDF 注释的 Zotero MCP 服务器 - [Zotero](https://www.zotero.org/)——开源参考文献管理器 **Obsidian 集成**（[设置指南](#-obsidian-integration-optional)） - [mcpvault](https://github.com/bitbonsai/mcpvault)——Obsidian 库 MCP 服务器（不需要应用） - [obsidian-skills](https://github.com/kepano/obsidian-skills)——由 Steph Ango（Obsidian CEO）编写的用于 Obsidian Markdown 的 Claude Code 技能 **论文撰写灵感** - [claude-scholar](https://github.com/Galaxy-Dawn/claude-scholar)——使用 Claude 撰写学术论文 - [Research-Paper-Writing-Skills](https://github.com/Master-cai/Research-Paper-Writing-Skills)——论文撰写技能模板 - [baoyu-skills](https://github.com/jimliu/baoyu-skills)——Claude Code 技能集合 **飞书/Lark 集成**（[设置指南](#-feishulark-integration-optional)） - [feishu-claude-code](https://github.com/joewongjc/feishu-claude-code)——双向飞书 ↔ Claude Code 桥接 - [clawdbot-feishu](https://github.com/m1heng/clawdbot-feishu)——用于 Claude 的飞书机器人 - [cc-connect](https://github.com/chenhg5/cc-connect)——多平台消息桥接 - [lark-openapi-mcp](https://github.com/larksuite/lark-openapi-mcp)——官方 Lark MCP 服务器 **社区** - [awesome-agent-skills](https://github.com/VoltAgent/awesome-agent-skills)——Claude Code 技能精选列表（已收录） **特别感谢——平台适配** 如果没有这些贡献者，ARIS 无法在如此多的平台上运行： - 🤖 [@Falling-Flower](https://github.com/Falling-Flower)——使用 `spawn_agent` 为 [Codex CLI](https://github.com/SyntaxSmith) 适配了所有 ARIS 技能 - 🔧 [@No-518](https://github.com/No-518)——持续维护 Codex 技能集，与最新更新保持同步 - 🖱️ [@YecanLee](https://github.com/YecanLee)——编写了 [Cursor 适配指南](docs/CURSOR_ADAPTATION.md)和本地 GPU 设置文档 - 🏆 [@DefanXue](https://github.com/DefanXue) & [@Monglitay](https://github.com/Monglitay)——第一篇完全由 ARIS 构建的社区论文，在 CS 会议上获得 8/10 分 **特别感谢——架构与愿景** - 💡 [@JingxuanKang](https://github.com/JingxuanKang)——除了代码贡献（training-check、result-to-claim、ablation-planner、watchdog、模板、会话恢复）之外，他还通过关于架构设计、紧凑模式、工作流状态管理以及自主研究工作流愿景的讨论深刻影响了 ARIS。如今的许多核心功能——从结构化的项目文件到上下文感知的会话恢复——都源于这些对话。 ## 许可证 (License) MIT

标签：AI4Science, Apex, Auto-Research, Claude Code, Cursor, Cutter, DLL 劫持, DNS解析, Idea发现, LLM Agent, Markdown, MCP, ML研究自动化, Model Context Protocol, OpenAI Codex, 人工智能, 代码生成, 假设生成, 同行评审, 多智能体协作, 大语言模型, 工作流引擎, 开源项目, 技能市场, 提示词工程, 数字取证, 机器学习, 渗透测试工具, 用户模式Hook绕过, 科学研究辅助工具, 科研提效, 策略决策点, 自主实验, 自动化脚本, 自动审查循环, 自动科研, 论文复现, 跨模型协作, 逆向工具, 防御加固