Repolode
Enviar
EvoMap

EvoMap/AutoResearch

Workflow open source com agentes que leva uma ideia de pesquisa em IA/ML pelo planejamento de experimentos, implementação, execução e avaliação independente até um pacote de evidências para escrever um artigo.

Ver no GitHub
Estrelas
3,091
Forks
278
Issues abertas
6
Último commit
há 2 meses

O que é?

AutoResearch é um workflow com agentes para pesquisa em inteligência artificial e machine learning. Ele pode partir de uma ideia de pesquisa fornecida pelo usuário ou gerar caminhos possíveis com base em artigos recentes, discussões da comunidade e tendências de open source. A partir daí, segue pelas etapas de planejamento de experimentos, implementação, revisão, execução, análise de resultados e avaliação independente.

O pipeline mantém o estado e pode ser retomado. Planos, código, logs de execução, métricas, causas de falhas, relatórios de revisão e avaliações às cegas são gravados em disco, para que pesquisadores possam inspecionar o processo, assumir o controle ou interrompê-lo. A geração de ideias usa pelo menos três modelos distintos para revisão cruzada, e uma execução piloto testa a viabilidade antes do início dos experimentos completos.

O projeto é configurado por meio de um único arquivo local de provedores que associa funções a um ou mais endpoints de modelos compatíveis. A etapa de execução usa o Claude Code CLI com um runtime baseado em Bun, e o projeto aceita arquivos de base de conhecimento escritos pelo usuário, que alimentam a geração de ideias.

Recursos principais

  • 01Gera caminhos de pesquisa com base em artigos recentes e sinais da comunidade, ou parte de uma ideia fornecida pelo usuário.
  • 02Usa pelo menos três modelos distintos para revisão cruzada durante a geração de ideias.
  • 03Salva planos, código, filas, logs e conclusões para que experimentos longos possam ser retomados após uma interrupção.
  • 04Executa um piloto de baixo custo antes de ampliar os experimentos.
  • 05Registra relatórios de revisão e avaliações às cegas, e preserva resultados negativos.

Casos de uso

  • Transformar um interesse vago em pesquisa de IA em um plano de experimentos revisado e testável.
  • Executar experimentos longos de machine learning que precisam ser retomados após interrupções.
  • Montar um pacote de evidências rastreável antes de escrever um artigo.
  • Auditar como um processo de pesquisa automatizado chegou às suas conclusões.

Início rápido

  1. 1

    Clone o repositório

    git clone https://github.com/EvoMap/AutoResearch.git
  2. 2

    Acesse o diretório do projeto e execute o script de inicialização do ambiente

    cd AutoResearch && bash scripts/bringup.sh
  3. 3

    Crie os arquivos de configuração locais, adicione as chaves de API e as configurações do modelo e, em seguida, teste as APIs

  4. 4

    Gere ideias de pesquisa usando o ponto de entrada padrão

    .venv/bin/python idea_generation.py

Antes de usar

  • São necessárias chaves de API para os serviços de modelos, e o uso pode gerar cobranças.
  • Para executar as ideias, também são necessários a CLI oficial do Claude Code, o Bun e o plugin Ralph Loop.
  • Os experimentos podem exigir GPU, dados e espaço em disco, que devem ser fornecidos por você.
  • O README informa que o sistema não pode garantir que todas as conclusões estejam corretas.

Em coleções

Frameworks e apps de agentes de IA open source

Tópicos

#ai-research#llm#agents#machine-learning#experiment-automation#multi-model#paper-writing

Perguntas frequentes

O que é AutoResearch?
Workflow open source com agentes que leva uma ideia de pesquisa em IA/ML pelo planejamento de experimentos, implementação, execução e avaliação independente até um pacote de evidências para escrever um artigo. AutoResearch é um workflow com agentes para pesquisa em inteligência artificial e machine learning. Ele pode partir de uma ideia de pesquisa fornecida pelo usuário ou gerar caminhos possíveis com base em artigos recentes, discussões da comunidade e tendências de open source. A partir daí, segue pelas etapas de planejamento de experimentos, implementação, revisão, execução, análise de resultados e avaliação independente.
AutoResearch é gratuito? Qual é a licença?
AutoResearch é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
AutoResearch ainda é mantido?
Atualizado nos últimos 6 meses. O último commit de AutoResearch foi em 16 de set. de 2026.
Para que posso usar AutoResearch?
Transformar um interesse vago em pesquisa de IA em um plano de experimentos revisado e testável. Executar experimentos longos de machine learning que precisam ser retomados após interrupções. Montar um pacote de evidências rastreável antes de escrever um artigo. Auditar como um processo de pesquisa automatizado chegou às suas conclusões.
Como instalar AutoResearch?
Clone o repositório: git clone https://github.com/EvoMap/AutoResearch.git Acesse o diretório do projeto e execute o script de inicialização do ambiente: cd AutoResearch && bash scripts/bringup.sh Crie os arquivos de configuração locais, adicione as chaves de API e as configurações do modelo e, em seguida, teste as APIs Gere ideias de pesquisa usando o ponto de entrada padrão: .venv/bin/python idea_generation.py
Onde consigo AutoResearch?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/EvoMap/AutoResearch

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados