基于 Claude Code 的求职申请框架,可评估职位、定制 LaTeX 简历、撰写求职信并准备面试,在本地运行。
aiming-lab/AutoResearchClaw
开源自主研究流水线,从一个研究想法生成完整学术论文,含文献检索、沙箱实验与 LaTeX 输出。
- Star
- 14,719
- Fork
- 1,709
- 未关闭 Issue
- 20
- 最近提交
- 2个月前
这是什么?
AutoResearchClaw 通过一条 23 个阶段的流水线,将研究主题转化为论文草稿、会议格式的 LaTeX 文件、BibTeX 参考文献、带指标的实验代码、图表以及多智能体同行评审。文献来自 OpenAlex、Semantic Scholar 和 arXiv,并通过四层引用校验尽量剔除虚构的参考文献。
实验可在沙箱或 Docker 环境中运行,自动识别 NVIDIA CUDA、Apple MPS 或 CPU 硬件。失败的实验会被诊断并修复,决策阶段还可以调整或转向研究方向。每次运行的经验会被保存,并可通过可选的 MetaClaw 桥接模块用于后续运行。
项目既可通过命令行全自动运行,也可使用 Co-Pilot 模式在关键阶段由人工确认。它还支持通过 OpenClaw 或 Claude Code、Codex CLI 等兼容 ACP 协议的编码智能体来驱动。
核心功能
- 01从 OpenAlex、Semantic Scholar 和 arXiv 收集真实论文
- 02通过 arXiv、CrossRef、DataCite 和 LLM 对引用进行校验
- 03在沙箱或 Docker 中生成并运行实验代码,自动识别 GPU/MPS/CPU
- 04输出 NeurIPS、ICML、ICLR 等会议模板的 LaTeX 与 BibTeX
- 05提供全自动模式以及带审批节点的人机协作 Co-Pilot 模式
适用场景
- 从新的研究想法快速生成初稿,用于判断可行性
- 为机器学习或科研项目自动化文献综述与实验搭建
- 研究自主科研智能体在各流水线阶段的表现
- 通过 OpenClaw 或 ACP 智能体在聊天界面中发起研究任务
快速上手
- 1
克隆仓库
git clone https://github.com/aiming-lab/AutoResearchClaw.git - 2
进入目录,创建虚拟环境并安装
cd AutoResearchClaw && python3 -m venv .venv && source .venv/bin/activate && pip install -e . - 3
运行交互式安装与配置
researchclaw setup && researchclaw init - 4
设置 API 密钥并对一个课题运行流水线
export OPENAI_API_KEY="sk-..." && researchclaw run --config config.arc.yaml --topic "Your research idea" --auto-approve
使用前须知
- 需要 LLM API 密钥(例如 OpenAI),完整的实验和论文输出通常还需要 Docker 或 LaTeX。
- 全自动运行生成的论文质量可能参差不齐,建议人工审阅;可使用 Co-Pilot 模式进行指导。
标签
常见问题
- AutoResearchClaw 是什么?
- 开源自主研究流水线,从一个研究想法生成完整学术论文,含文献检索、沙箱实验与 LaTeX 输出。 AutoResearchClaw 通过一条 23 个阶段的流水线,将研究主题转化为论文草稿、会议格式的 LaTeX 文件、BibTeX 参考文献、带指标的实验代码、图表以及多智能体同行评审。文献来自 OpenAlex、Semantic Scholar 和 arXiv,并通过四层引用校验尽量剔除虚构的参考文献。
- AutoResearchClaw 可以免费使用吗?用的什么许可证?
- AutoResearchClaw 以 MIT 许可证开源。用于商业产品前,请先确认许可证条款。
- AutoResearchClaw 还在维护吗?
- 半年内有更新。AutoResearchClaw 最近一次提交是在 2026年8月19日。
- AutoResearchClaw 适合用来做什么?
- 从新的研究想法快速生成初稿,用于判断可行性 为机器学习或科研项目自动化文献综述与实验搭建 研究自主科研智能体在各流水线阶段的表现 通过 OpenClaw 或 ACP 智能体在聊天界面中发起研究任务
- AutoResearchClaw 怎么安装和运行?
- 克隆仓库: git clone https://github.com/aiming-lab/AutoResearchClaw.git 进入目录,创建虚拟环境并安装: cd AutoResearchClaw && python3 -m venv .venv && source .venv/bin/activate && pip install -e . 运行交互式安装与配置: researchclaw setup && researchclaw init 设置 API 密钥并对一个课题运行流水线: export OPENAI_API_KEY="sk-..." && researchclaw run --config config.arc.yaml --topic "Your research idea" --auto-approve
- 在哪里获取 AutoResearchClaw?
- 源代码和安装说明在 GitHub 上:https://github.com/aiming-lab/AutoResearchClaw
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
无需编码的多智能体编排平台,通过配置与 Web 控制台定义智能体、工作流和任务。
NVIDIA 推出的参考框架,在 OpenShell 沙箱中更安全地运行 OpenClaw、Hermes 等 AI 智能体。
让 Unity 游戏和仿真环境成为训练智能体的平台,支持强化学习与模仿学习。
无需编码的平台,通过自然语言描述生成 AI 智能体,内置工具、记忆与编排能力。
一个 CLI 与工作流引擎,让 Claude Code、Codex、Copilot 等编码代理在通过可配置的审查、修复与测试关卡后才算完成任务。