Auto-claude-code-research-in-sleep (ARIS)
更新于 2026-10-16 17:36:13
一句话
ARIS（Auto-Research-In-Sleep）是一套只用 Markdown 写的科研 Agent 技能包：84 个 /技能 串起「查文献 → 想 idea → 跑 GPU 实验 → 自动评审循环 → 写论文 → 回 rebuttal」的全流程。核心机制是跨模型对抗评审——Claude Code 负责干活，另一个模型族的 GPT 负责挑刺，你睡觉时它自己迭代。
- 仓库：https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep
- 规模：17.5k star / 1.4k fork，MIT，最新 release v0.4.28（2026-09-28），技术报告 arXiv:2605.03042（HuggingFace Daily Paper 当日 #1）
- 形态：不是框架、不是平台，是方法论。84 个 skill 全是 Markdown 文件，可以整体用，也可以只拿其中 3 个
它解决的是什么问题
Claude Code / Codex 这类 Agent 已经能写代码，但做科研有一堆它天然做不好的事：
- 自己审自己——同一个模型既当运动员又当裁判，分数必然虚高；
- 上下文一断就失忆——读到第 15 篇论文时，前 14 篇的结论还留着吗？
- 幻觉引用——编出看起来很像真的参考文献；
- 停下来等确认——凌晨三点没人按回车，任务就卡死了。
ARIS 的答案分别是：换一个模型族的评审员、Research Wiki 持久记忆、DBLP/CrossRef 核对引用、AUTO_PROCEED + 断点续跑。README 里那句很关键："It can drive, never acquit."——它可以驱动流程，但没有权力宣布自己合格。
核心机制：executor / reviewer 分离
| 角色 | 默认配置 | 干什么 |
|---|---|---|
| 执行者 | Claude Code（Opus 4.8 / 5） | 读论文、写代码、部署实验、改论文 |
| 评审者 | Codex MCP → GPT-6-Astra xhigh | 独立读材料、打分、指出弱点、要求补实验 |
| 升级通道 | — reviewer: oracle-pro |
走 Oracle 调 GPT-5.5 Pro |
| 重审难度 | medium / hard / nightmare |
nightmare 下评审员会直接读你的仓库，Claude 无法过滤给它看什么 |
评审员的连接方式本身就很值得抄：不调 API，而是把 Codex CLI 通过 MCP 挂进来，用你已经付过钱的 ChatGPT 订阅额度做审查——零 API Key。代价是两族模型都得有账号。
工作流（W1 → W7）
| 编号 | 命令 | 作用 |
|---|---|---|
| W1 | /idea-discovery |
文献调研 → 脑暴 8-12 个 idea → 新颖性核查 → GPU 小试 → 排序报告 |
| W1.5 | /experiment-bridge |
已有方案？实现 + 部署 + 收结果 |
| W2 | /auto-review-loop |
招牌工作流：审 → 改 → 再审，跑到阈值或轮次上限 |
| W3 | /paper-writing |
Narrative → 大纲 → 图表 → LaTeX → PDF，一条命令 |
| W4 | /rebuttal |
解析审稿意见 → 生成 rebuttal（硬性字数限制内） |
| W5 | /resubmit-pipeline |
换投会议，纯文本迁移不重跑实验 |
| W6 | /paper-talk |
论文 → Beamer + PPTX 报告 + 讲稿 + Q&A 预案 |
| W7 | /proof-orchestrator |
理论证明专项：跨天攻坚同一个定理 |
| Wiki | /research-wiki init |
打开持久记忆 |
| WM | /meta-optimize |
ARIS 根据使用日志优化自己的 skill |
连起来一条命令：
/research-pipeline "factorized gap in discrete diffusion LMs"
也可以"点菜式"喂料——给一篇要改进的论文 + 它的代码仓：
/research-pipeline "improve method X" — ref paper: <arxiv 链接>, base repo: <github 链接>
它会读论文找弱点 → clone 代码 → 生成专门针对这些弱点、用这份代码能验证的 idea → 跑实验 → 写论文。
W2 自动审稿循环的几个硬约束
这些"限制"其实是它能无人值守的原因：
MAX_ROUNDS = 4，分数到POSITIVE_THRESHOLD（默认 6/10）就提前停 → 防死循环- 预计超过 4 GPU 小时的实验直接跳过并标记，不会半夜给你烧集群
- 能改写叙述解决就不新开实验，优先选便宜的路
- 明文规则："不许为了刷高分隐藏弱点"
- 每轮写
REVIEW_STATE.json，上下文被 compact 掉也能续跑
官方给的一次真实通宵跑分：AI 评审 5.0/10（borderline reject）→ 7.5/10（可投），4 轮里跑了 20+ 个 GPU 实验，中途还因为"主结论复现失败"主动改写了叙事方向。
上手：三步
# 1. 装 skill（推荐项目级软链接，避免污染全局）
git clone https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep.git
bash Auto-claude-code-research-in-sleep/tools/install_aris.sh ~/your-project
# 只要一部分？--list-groups / --groups X,Y / --skills X
# 2. 挂评审员（Codex CLI 的 ChatGPT 登录，不需要 API Key）
npm install -g @openai/codex && codex login
claude mcp add codex -s user -- python3 "$(pwd)/Auto-claude-code-research-in-sleep/mcp-servers/codex-exec/server.py"
# 3. 开工
claude
> /idea-discovery "你的研究方向（要具体，别只写 NLP）"
前置条件：Claude Code、Node（装 codex）、Python 3（MCP 桥）、写论文还需要 LaTeX + latexmk + pdfinfo（只跑 W1/W2 则不需要）。
⚠️ 老用户注意：codex-cli 0.154 移除了
codex mcp-server，所有旧注册会静默失效。ARIS 的做法是自己写了mcp-servers/codex-exec/（桥接codex exec），工具名和结果格式不变，重新claude mcp remove/add codex一次即可，84 个 skill 一行都不用改。
Research Wiki：把「试错」变成资产
打开之后（/research-wiki init），四类实体 + 类型化关系边自动积累：
- Paper（论点/方法/局限/可复用零件）、Idea（假设 + 失败原因）、Experiment（指标/结论/硬件/耗时）、Claim（可验证陈述 + 证据状态）
- 边：
paper --contradicts--> paper、idea --inspired_by--> paper、experiment --invalidates--> claim…
最有价值的是失败的 idea：3 个 idea 连续失败后，它会提示"wiki 现在知道什么行不通了，建议重跑 /idea-creator"。这就是它宣传的"螺旋式学习"——没有 wiki 的话，每次 /idea-discovery 都从零开始。灵感来自 Karpathy 的 LLM Wiki。
模型与地域灵活性
不是只有 Claude + GPT 一条路。官方给了 10 条替代路线：Z.ai GLM、阿里 Kimi/Qwen/MiniMax、ModelScope 上免费的 DeepSeek-V3.1、OpenRouter（挑一个模型当评审）、Codex 当执行者 + Claude/Gemini 当评审、Google Antigravity 等。完全没有 Claude / OpenAI API 也能跑。另外还有 Grok CLI 桥、Antigravity 桥作为"额外咨询对象"。
生态适配也铺得开：Cursor、Trae、Antigravity、GitHub Copilot CLI、OpenClaw、DeepSeek Harness 都有专门的 adaptation 文档。
成本与门槛（说人话）
| 项目 | 说明 |
|---|---|
| 订阅成本 | 至少两份：Claude Code 的额度 + Codex/ChatGPT 的额度（或换成第三方 provider，但也要钱） |
| 隐性成本 | W2 一晚上 20+ 个实验，token 消耗不是小数目；— effort: lite 可以省掉一部分扫描与轮次，但评审员档位不会降 |
| 硬件 | 实验自动化要 GPU。远端 SSH / 本地 GPU / Vast.ai 租卡三种模式，配置写在 CLAUDE.md 里；没 GPU 也能用，只是实验类修复会被标成"待人工跟进" |
| 时间 | 装 skill 五分钟，真正花时间的是把 CLAUDE.md（GPU、路径、评审偏好）写对 |
值得学习的工程细节
- smart_update：对比本地与上游 skill，识别出你改过的文件（服务器路径、API Key），只更新"安全"的那些，其余打标记让你人工决定——比
cp -r覆盖文明得多 - 零回归纪律：v0.4.16 起用"特征化测试（golden tests）先锁住现有行为再改"，README 的 changelog 里能看到"每处行为翻转都在代码里就地标注"
- 发布流程本身也是它自己审的：change log 里大量出现"Codex MCP (gpt-6-astra) review: 17 rounds, 7 NO-GO all resolved"——用 ARIS 的评审机制开发 ARIS
- ARIS-Code 独立 CLI：不想装 Claude Code 也行，release 里有 Rust 写的单文件 REPL（darwin/linux/windows），自带
aris setup、/model、会话/resume、/since回放
需要泼的冷水
- AI 评审分数 ≠ 录用。README 自己反复强调：榜单上的 8/10、7/10 是 CSPaper / Stanford Agentic Reviewer 这类 AI 评审给出的信号，而 ARIS 本来就是"对着 AI 评审优化"的，高分是预期内的副产品，人类审稿人的领域感、venue 判断它替代不了。
- 别当全自动驾驶。官方原话："这些工具加速研究，但不能替代你自己的批判性思考。"
- nightmare 模式会让第三方模型直接读你的仓库——未发表的 idea、私有数据要不要过外部 API，自己掂量。
- 技能包密度极高（README 二十多万字符），第一次刷容易劝退。建议直接读
SETUP_GUIDE.md（有中文版）+ 只装 W1/W2 两个组试水。
适合谁
- ✅ ML/LLM 方向的研究生、博士后：手上有方向、缺实验算力耐心和改稿体力
- ✅ 有 GPU 服务器 + 已订阅 Claude 和 ChatGPT 的人：这套东西的性价比突然变得很高
- ✅ 想研究"多 Agent 对抗式协作"怎么落地的人：这里的 prompt 工程、评审门禁、状态持久化可以直接抄
- ❌ 非 ML 领域（生物/化学湿实验）基本用不上实验自动化那半
- ❌ 只想"一句话生成一篇论文"的：它会让你看到一堆不及格的分数和待补实验，而不是魔法
一句话总结
它把"科研"拆成了可被两个不同模型互相卡门的流水线——执行者干活、评审者挑刺、Wiki 记账、状态持久化，让一个通宵变成 4 轮真实迭代。 17.5k star 里有相当一部分是"AI 写论文"的想象，但真正值钱的是那套跨模型审查 + 门禁 + 记忆的架构，哪怕你不做科研也值得翻一遍它的 SKILL.md 怎么写的。