Repolode
Предложить
OpenRaiser

OpenRaiser/NanoResearch

Автономный исследовательский конвейер: от разработки идеи и написания кода до запусков экспериментов на GPU/SLURM, анализа, построения графиков и подготовки статьи в LaTeX.

Открыть на GitHub
Звёзды
1,338
Форки
91
Открытые issues
8
Последний коммит
13 дней назад

Что это?

NanoResearch — это конвейер на Python, который автоматизирует весь цикл исследовательского проекта в области ИИ. Получив тему, он ищет литературу через OpenAlex и Semantic Scholar, разрабатывает план эксперимента, генерирует готовый к запуску код, отправляет задачи на обучение на локальный GPU или кластер SLURM, разбирает полученные логи и метрики, строит графики и готовит черновик статьи в LaTeX, который проходит проверку и доработку перед экспортом.

Конвейер состоит из девяти этапов и сохраняет все промежуточные артефакты в рабочей директории вместе с манифестом, поэтому после сбоя выполнение можно продолжить с этапа, на котором оно остановилось. Для разных этапов можно задать разные модели, совместимые с OpenAI, а при сбоях эксперимента конвейер анализирует логи и автоматически исправляет код перед повторным запуском. Управлять им можно из командной строки — через полноэкранный TUI или обычный вывод логов, — через бота Feishu (Lark), а также с помощью Claude Code и Codex с инструкциями на уровне проекта.

Проект рассчитан на исследователей и команды, которым нужны работающий эксперимент и черновик рукописи на основе исследовательской идеи, причём числовые данные в статье берутся из фактических запусков. Результат предназначен для использования в качестве первого черновика и требует проверки человеком.

Ключевые возможности

  • 01Во время разработки идеи ищет научную литературу через OpenAlex и Semantic Scholar.
  • 02Генерирует код эксперимента и отправляет задачи на локальные GPU или в SLURM.
  • 03Разбирает логи обучения и метрики, чтобы подготовить анализ и графики.
  • 04Экспортирует статью в LaTeX с библиографией и кодом.
  • 05Позволяет продолжить выполнение с любого этапа, используя сохранённый манифест рабочей директории.
  • 06Направляет каждый этап конвейера в отдельную модель, совместимую с OpenAI.

Сценарии использования

  • Превращение исследовательской идеи в готовый к запуску эксперимент и черновик статьи.
  • Пакетный запуск экспериментов по нескольким темам для получения воспроизводимых результатов.
  • Подготовка первого черновика в LaTeX на основе фактических результатов обучения.
  • Ведение проверяемой записи каждого этапа автоматизированного исследовательского запуска.

Быстрый старт

  1. 1

    Клонируйте репозиторий

    git clone https://github.com/OpenRaiser/NanoResearch.git
  2. 2

    Находясь в папке NanoResearch, установите пакет в редактируемом режиме с dev extras

    pip install -e ".[dev]"
  3. 3

    Создайте ~/.nanoresearch/config.json, указав совместимые с OpenAI base_url и api_key

  4. 4

    Проверьте конфигурацию в режиме dry run

    nanoresearch run --topic "Adaptive Sparse Attention Mechanisms" --dry-run

Что важно знать

  • Для запуска pipeline необходимо самостоятельно предоставить совместимые с OpenAI endpoint API для LLM и ключ.
  • Для фактического выполнения экспериментов потребуется локальный GPU или кластер SLURM.

В подборках

Open source фреймворки и приложения для ИИ-агентовБиблиотеки навыков для ИИ-агентов

Темы

#ai-agents#research-automation#llm#latex#slurm#machine-learning#paper-writing#agent-skills#agents#ai

Частые вопросы

Что такое NanoResearch?
Автономный исследовательский конвейер: от разработки идеи и написания кода до запусков экспериментов на GPU/SLURM, анализа, построения графиков и подготовки статьи в LaTeX. NanoResearch — это конвейер на Python, который автоматизирует весь цикл исследовательского проекта в области ИИ. Получив тему, он ищет литературу через OpenAlex и Semantic Scholar, разрабатывает план эксперимента, генерирует готовый к запуску код, отправляет задачи на обучение на локальный GPU или кластер SLURM, разбирает полученные логи и метрики, строит графики и готовит черновик статьи в LaTeX, который проходит проверку и доработку перед экспортом.
NanoResearch можно использовать бесплатно? Какая у него лицензия?
NanoResearch распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
NanoResearch всё ещё поддерживается?
Активно поддерживается. Последний коммит в NanoResearch — 9 окт. 2026 г..
Для чего можно использовать NanoResearch?
Превращение исследовательской идеи в готовый к запуску эксперимент и черновик статьи. Пакетный запуск экспериментов по нескольким темам для получения воспроизводимых результатов. Подготовка первого черновика в LaTeX на основе фактических результатов обучения. Ведение проверяемой записи каждого этапа автоматизированного исследовательского запуска.
Как установить NanoResearch?
Клонируйте репозиторий: git clone https://github.com/OpenRaiser/NanoResearch.git Находясь в папке NanoResearch, установите пакет в редактируемом режиме с dev extras: pip install -e ".[dev]" Создайте ~/.nanoresearch/config.json, указав совместимые с OpenAI base_url и api_key Проверьте конфигурацию в режиме dry run: nanoresearch run --topic "Adaptive Sparse Attention Mechanisms" --dry-run
Где скачать NanoResearch?
Исходный код и инструкции по установке — на GitHub: https://github.com/OpenRaiser/NanoResearch

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты