Un espacio de trabajo de investigación con IA, self-hosted y full-stack, que ejecuta Claude Code, Gemini CLI, Codex o modelos de OpenRouter en un flujo que va desde la revisión bibliográfica hasta la redacción de artículos.
PKU-DAIR/AutoSci
Sistema de investigación con IA agéntica, basado en Claude Code o Codex, que mantiene una wiki persistente entre proyectos y cubre todo el ciclo de investigación, desde la incorporación de artículos hasta la respuesta a revisores.
- Estrellas
- 1,725
- Forks
- 215
- Issues abiertos
- 4
- Último commit
- hace 7 días
¿Qué es?
AutoSci es un agente de investigación con IA que organiza el trabajo científico en torno a una wiki estructurada y persistente. Los artículos, las notas y las páginas web se incorporan a la wiki, que luego sirve de apoyo para generar ideas, diseñar y ejecutar experimentos, redactar artículos y respuestas a revisores, y crear pósteres. El conocimiento se acumula entre proyectos, en lugar de reiniciarse en cada sesión.
El sistema funciona como un conjunto de habilidades de agente bilingües dentro de Claude Code (rama principal) o de Codex y OpenCode (ramas preliminares). Comandos como /ingest, /ideate, /exp-design, /exp-run, /paper-draft y /rebuttal se encargan de cada etapa. Un segundo LLM opcional puede actuar como revisor independiente de ideas, experimentos y borradores mediante cualquier API compatible con OpenAI.
El proyecto incluye una interfaz web local y una exportación a Obsidian para explorar el grafo de conocimiento, un flujo de trabajo diario de recomendaciones de arXiv que puede enviar resúmenes por correo electrónico y un comando de búsqueda que clasifica artículos de conferencias específicas según su relevancia para los temas existentes en la wiki.
Funciones clave
- 01Importa artículos, notas y páginas web locales a una wiki de investigación persistente.
- 02Cubre la generación de ideas, el diseño y la ejecución de experimentos, la evaluación y la redacción de artículos mediante habilidades independientes.
- 03Es compatible con Claude Code (versión estable), y cuenta con ramas preliminares para Codex y OpenCode.
- 04Permite que un segundo LLM compatible con OpenAI revise ideas, experimentos y borradores.
- 05Ofrece una vista del grafo de conocimiento en el navegador y la exportación a un lienzo de Obsidian.
- 06Convierte artículos en LaTeX redactados en pósteres para conferencias y archivos PDF.
Casos de uso
- Crear una wiki de bibliografía para una nueva línea de investigación a partir de tu propia colección de artículos.
- Convertir una idea de investigación en experimentos diseñados, ejecutados y evaluados con ayuda de un agente.
- Redactar un artículo en LaTeX y preparar un póster para una conferencia a partir de la misma wiki.
- Preparar respuestas estructuradas a los comentarios de los revisores basadas en tus notas existentes.
Inicio rápido
- 1
Clona la rama Codex Preview
git clone -b autosci-codex https://github.com/skyllwt/AutoSci.git - 2
Entra en el directorio del proyecto
cd AutoSci - 3
Ejecuta el script de configuración en inglés
./setup.sh --lang en - 4
Inicia Codex en el proyecto y, después, invoca la skill init con el tema de investigación
codex
Antes de usarlo
- El proyecto está marcado como beta interna y sus funciones aún se están probando y perfeccionando.
- La versión principal de Claude Code es estable, pero las versiones de Codex y OpenCode son solo versiones preliminares con limitaciones conocidas.
- Se ejecuta sobre Claude Code o Codex, así que necesitas uno de esos entornos de ejecución de agentes.
En colecciones
Temas
Preguntas frecuentes
- ¿Qué es AutoSci?
- Sistema de investigación con IA agéntica, basado en Claude Code o Codex, que mantiene una wiki persistente entre proyectos y cubre todo el ciclo de investigación, desde la incorporación de artículos hasta la respuesta a revisores. AutoSci es un agente de investigación con IA que organiza el trabajo científico en torno a una wiki estructurada y persistente. Los artículos, las notas y las páginas web se incorporan a la wiki, que luego sirve de apoyo para generar ideas, diseñar y ejecutar experimentos, redactar artículos y respuestas a revisores, y crear pósteres. El conocimiento se acumula entre proyectos, en lugar de reiniciarse en cada sesión.
- ¿AutoSci es gratuito? ¿Qué licencia tiene?
- AutoSci es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿AutoSci sigue mantenido?
- Mantenimiento activo. El último commit de AutoSci fue el 30 oct 2026.
- ¿Para qué puedo usar AutoSci?
- Crear una wiki de bibliografía para una nueva línea de investigación a partir de tu propia colección de artículos. Convertir una idea de investigación en experimentos diseñados, ejecutados y evaluados con ayuda de un agente. Redactar un artículo en LaTeX y preparar un póster para una conferencia a partir de la misma wiki. Preparar respuestas estructuradas a los comentarios de los revisores basadas en tus notas existentes.
- ¿Cómo se instala AutoSci?
- Clona la rama Codex Preview: git clone -b autosci-codex https://github.com/skyllwt/AutoSci.git Entra en el directorio del proyecto: cd AutoSci Ejecuta el script de configuración en inglés: ./setup.sh --lang en Inicia Codex en el proyecto y, después, invoca la skill init con el tema de investigación: codex
- ¿Dónde consigo AutoSci?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/PKU-DAIR/AutoSci
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Pipeline de investigación autónomo que lleva un tema desde la generación de ideas hasta el código, los experimentos en GPU/SLURM, el análisis, las figuras y un artículo en LaTeX.
Un servidor MCP local que permite a agentes de IA buscar en arXiv, leer artículos sección por sección desde el LaTeX original, exportar BibTeX y seguir temas.
Plugin para Claude Code, Codex y OpenCode que crea bases de conocimiento compatibles con Obsidian, compiladas por LLM mediante investigación paralela, ingesta de fuentes y consultas.
Un framework de agente de IA personal en Obsidian: Claude Code coordina agentes auxiliares y una wiki local, con citas y mantenimiento propio, funciona como memoria a largo plazo.
Archivos de skills solo en Markdown que permiten a Claude Code, Codex y otros agentes LLM ejecutar ciclos autónomos de investigación en ML: búsqueda de ideas, revisión entre modelos y automatización de experimentos.