NanoResearch 可以免费使用吗？用的什么许可证？

NanoResearch 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。

NanoResearch 还在维护吗？

活跃维护中。NanoResearch 最近一次提交是在 2026年10月9日。

NanoResearch 适合用来做什么？

把研究想法快速转化为可运行实验和论文初稿。对多个课题批量运行实验，获得可复现的结果。基于真实训练输出生成 LaTeX 写作初稿。保留自动化科研过程中每一步的可追溯记录。

NanoResearch 怎么安装和运行？

克隆仓库: git clone https://github.com/OpenRaiser/NanoResearch.git 在 NanoResearch 目录中，以可编辑模式安装包及开发依赖: pip install -e ".[dev]" 创建 ~/.nanoresearch/config.json，填写你的 OpenAI 兼容 base_url 和 api_key 使用试运行验证配置: nanoresearch run --topic "Adaptive Sparse Attention Mechanisms" --dry-run

在哪里获取 NanoResearch？

源代码和安装说明在 GitHub 上：https://github.com/OpenRaiser/NanoResearch

OpenRaiser/NanoResearch

从研究课题出发，自动完成文献调研、代码编写、GPU/SLURM 实验执行并输出 LaTeX 论文的自主科研流水线。

在 GitHub 查看

Star: 1,338
Fork: 91
未关闭 Issue: 8
最近提交: 14天前

这是什么？

NanoResearch 是一个基于 Python 的端到端自主科研流水线。输入研究课题后，它会通过 OpenAlex 和 Semantic Scholar 检索文献，设计实验方案，生成可运行的代码，并把训练任务提交到本地 GPU 或 SLURM 集群。随后它解析训练日志和指标、生成图表，并撰写 LaTeX 论文，经过审阅修订后导出。

流水线共 9 个阶段，所有中间产物都保存在带 manifest.json 的工作空间中，失败后可从中断的阶段恢复。各阶段可配置不同的 OpenAI 兼容模型，实验报错时会分析日志并尝试修复代码后重跑。使用方式包括带 TUI 界面的命令行、飞书机器人，以及通过 Claude Code 或 Codex 驱动。

这个项目适合希望从研究想法快速得到可运行实验和论文初稿的研究者与团队。论文中的数据来自实际运行结果，但产出仍应视为初稿，需要人工审阅。

核心功能

01在构思阶段通过 OpenAlex 和 Semantic Scholar 检索文献。
02生成实验代码，并提交到本地 GPU 或 SLURM 集群运行。
03解析训练日志与指标，用于结果分析和图表生成。
04导出包含参考文献和代码的 LaTeX 论文。
05基于工作空间 manifest 从任意阶段断点续跑。
06可按阶段将任务路由到不同的 OpenAI 兼容模型。

适用场景

把研究想法快速转化为可运行实验和论文初稿。
对多个课题批量运行实验，获得可复现的结果。
基于真实训练输出生成 LaTeX 写作初稿。
保留自动化科研过程中每一步的可追溯记录。

快速上手

1
克隆仓库
git clone https://github.com/OpenRaiser/NanoResearch.git
2
在 NanoResearch 目录中，以可编辑模式安装包及开发依赖
pip install -e ".[dev]"
3
创建 ~/.nanoresearch/config.json，填写你的 OpenAI 兼容 base_url 和 api_key
4
使用试运行验证配置
nanoresearch run --topic "Adaptive Sparse Attention Mechanisms" --dry-run

使用前须知

运行流水线需要你自备 OpenAI 兼容的大模型 API 端点和密钥。
实际实验执行需要本地 GPU 或 SLURM 集群。

收录于专题

开源 AI Agent 框架与应用 AI Agent 技能包

常见问题

NanoResearch 是什么？: 从研究课题出发，自动完成文献调研、代码编写、GPU/SLURM 实验执行并输出 LaTeX 论文的自主科研流水线。 NanoResearch 是一个基于 Python 的端到端自主科研流水线。输入研究课题后，它会通过 OpenAlex 和 Semantic Scholar 检索文献，设计实验方案，生成可运行的代码，并把训练任务提交到本地 GPU 或 SLURM 集群。随后它解析训练日志和指标、生成图表，并撰写 LaTeX 论文，经过审阅修订后导出。
NanoResearch 可以免费使用吗？用的什么许可证？: NanoResearch 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。
NanoResearch 还在维护吗？: 活跃维护中。NanoResearch 最近一次提交是在 2026年10月9日。
NanoResearch 适合用来做什么？: 把研究想法快速转化为可运行实验和论文初稿。对多个课题批量运行实验，获得可复现的结果。基于真实训练输出生成 LaTeX 写作初稿。保留自动化科研过程中每一步的可追溯记录。
NanoResearch 怎么安装和运行？: 克隆仓库: git clone https://github.com/OpenRaiser/NanoResearch.git 在 NanoResearch 目录中，以可编辑模式安装包及开发依赖: pip install -e ".[dev]" 创建 ~/.nanoresearch/config.json，填写你的 OpenAI 兼容 base_url 和 api_key 使用试运行验证配置: nanoresearch run --topic "Adaptive Sparse Attention Mechanisms" --dry-run
在哪里获取 NanoResearch？: 源代码和安装说明在 GitHub 上：https://github.com/OpenRaiser/NanoResearch

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。