내 fork에서 로컬로 실행하는 Claude Code 기반 구직 프레임워크로, 공고 평가부터 CV 맞춤 작성과 면접 준비까지 지원합니다.
aiming-lab/AutoResearchClaw
단일 연구 아이디어를 문헌 검색, 샌드박스 실험, 인용 검증, LaTeX 출력까지 거쳐 완성된 학술 논문으로 만드는 오픈소스 파이프라인입니다.
- 스타
- 14,719
- 포크
- 1,709
- 열린 이슈
- 20
- 마지막 커밋
- 2개월 전
어떤 프로젝트인가요?
AutoResearchClaw는 연구 주제를 받아 논문 초안, 학회 형식의 LaTeX 파일, BibTeX 참고문헌 목록, 지표가 포함된 실험 코드와 차트, 다중 에이전트 동료 검토를 생성하는 23단계 파이프라인을 실행합니다. OpenAlex, Semantic Scholar, arXiv에서 문헌을 수집하고, 허위 인용을 제거하기 위한 4단계 검증 절차로 참고문헌을 확인합니다.
실험은 샌드박스 또는 Docker 환경에서 실행되며, NVIDIA CUDA, Apple MPS, CPU를 감지합니다. 실행에 실패하면 원인을 진단하고 수정하며, 의사 결정 단계에서 연구 방향을 다듬거나 전환할 수 있습니다. 각 실행에서 얻은 교훈은 저장되며, 선택 사항인 MetaClaw 브리지를 통해 이후 실행에 반영할 수 있습니다.
CLI에서 완전 자율 모드로 실행하거나, 원하는 단계에서 사람의 승인을 받는 Co-Pilot 모드로 사용할 수 있습니다. OpenClaw나 Claude Code, Codex CLI 같은 ACP 호환 코딩 에이전트로도 실행할 수 있습니다.
핵심 기능
- 01OpenAlex, Semantic Scholar, arXiv에서 실제 논문을 수집합니다
- 02arXiv, CrossRef, DataCite 및 LLM 검사를 통해 인용을 검증합니다
- 03GPU/MPS/CPU를 감지하고 샌드박스 또는 Docker에서 실험 코드를 생성하고 실행합니다
- 04NeurIPS, ICML, ICLR용 LaTeX 템플릿과 BibTeX를 출력합니다
- 05승인 단계가 있는 자율 모드와 휴먼 인 더 루프 Co-Pilot 모드를 제공합니다
활용 사례
- 새로운 연구 아이디어의 실현 가능성을 살펴보기 위해 논문 초안을 작성합니다
- ML 또는 과학 프로젝트의 문헌 검토와 실험 준비를 자동화합니다
- 자율 연구 에이전트가 파이프라인의 각 단계에서 어떻게 동작하는지 연구합니다
- OpenClaw 또는 ACP 에이전트를 통해 채팅 인터페이스에서 연구 작업을 실행합니다
빠른 시작
- 1
저장소를 클론합니다
git clone https://github.com/aiming-lab/AutoResearchClaw.git - 2
디렉터리로 이동해 가상 환경을 만들고 설치합니다
cd AutoResearchClaw && python3 -m venv .venv && source .venv/bin/activate && pip install -e . - 3
대화형 설정 및 구성을 실행합니다
researchclaw setup && researchclaw init - 4
API 키를 설정하고 주제를 지정해 파이프라인을 실행합니다
export OPENAI_API_KEY="sk-..." && researchclaw run --config config.arc.yaml --topic "Your research idea" --auto-approve
사용 전 알아둘 점
- LLM API 키(예: OpenAI)가 필요하며, 실험을 완전히 실행하고 논문을 출력하려면 일반적으로 Docker 또는 LaTeX가 필요합니다.
- 완전 자율 실행으로는 품질이 고르지 않은 논문이 생성될 수 있으므로 사람의 검토를 권장합니다. 안내가 필요하면 Co-Pilot 모드를 사용할 수 있습니다.
토픽
자주 묻는 질문
- AutoResearchClaw은(는) 무엇인가요?
- 단일 연구 아이디어를 문헌 검색, 샌드박스 실험, 인용 검증, LaTeX 출력까지 거쳐 완성된 학술 논문으로 만드는 오픈소스 파이프라인입니다. AutoResearchClaw는 연구 주제를 받아 논문 초안, 학회 형식의 LaTeX 파일, BibTeX 참고문헌 목록, 지표가 포함된 실험 코드와 차트, 다중 에이전트 동료 검토를 생성하는 23단계 파이프라인을 실행합니다. OpenAlex, Semantic Scholar, arXiv에서 문헌을 수집하고, 허위 인용을 제거하기 위한 4단계 검증 절차로 참고문헌을 확인합니다.
- AutoResearchClaw은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
- AutoResearchClaw은(는) MIT 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
- AutoResearchClaw은(는) 아직 유지보수되고 있나요?
- 6개월 이내 업데이트. AutoResearchClaw의 마지막 커밋은 2026년 8월 19일입니다.
- AutoResearchClaw은(는) 어디에 사용할 수 있나요?
- 새로운 연구 아이디어의 실현 가능성을 살펴보기 위해 논문 초안을 작성합니다 ML 또는 과학 프로젝트의 문헌 검토와 실험 준비를 자동화합니다 자율 연구 에이전트가 파이프라인의 각 단계에서 어떻게 동작하는지 연구합니다 OpenClaw 또는 ACP 에이전트를 통해 채팅 인터페이스에서 연구 작업을 실행합니다
- AutoResearchClaw는 어떻게 설치하나요?
- 저장소를 클론합니다: git clone https://github.com/aiming-lab/AutoResearchClaw.git 디렉터리로 이동해 가상 환경을 만들고 설치합니다: cd AutoResearchClaw && python3 -m venv .venv && source .venv/bin/activate && pip install -e . 대화형 설정 및 구성을 실행합니다: researchclaw setup && researchclaw init API 키를 설정하고 주제를 지정해 파이프라인을 실행합니다: export OPENAI_API_KEY="sk-..." && researchclaw run --config config.arc.yaml --topic "Your research idea" --auto-approve
- AutoResearchClaw은(는) 어디서 받을 수 있나요?
- 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/aiming-lab/AutoResearchClaw
요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.
관련 프로젝트
Python, .NET, Java에서 모델·플러그인·벡터 데이터베이스 연동을 통해 AI 에이전트와 멀티 에이전트 시스템을 구축하는 SDK입니다.
Convex 기반의 가상 마을 AI Town을 배포하고 맞춤 설정할 수 있는 MIT 라이선스 스타터 키트입니다.
AI 에이전트를 구축하고 실행하는 엔터프라이즈급 에이전트 워크플로 플랫폼으로, 모델 관리, MCP 도구 연동, RPA 자동화를 지원합니다.
LLM과 이미지 생성으로 방법 설명과 그림 캡션을 논문에 어울리는 학술 다이어그램과 플롯으로 만드는 멀티 에이전트 프레임워크입니다.
LLM 에이전트가 Twitter·Reddit과 유사한 소셜 플랫폼에서 최대 100만 명의 사용자를 모방해 정보 확산과 양극화를 연구하는 Python 시뮬레이터입니다.