一句话出论文？AutoResearchClaw 这个全自动研究系统有点东西

最近 AI 圈子里流行一个话题：Karpathy 搞了个 autoresearch，把实验循环给自动化了。结果马上就有人说，那算什么，老子把整个实验室都自动化了。

这个项目叫 AutoResearchClaw，🦞，一只"会做研究"的龙虾。项目出自 aiming-lab，核心卖点就一句话：你说一个研究方向，它给你一篇会议论文，文献真实、实验真跑、引用可验证，全程不需要人工干预。

听起来有点离谱，但它确实把流程全打通了。下面来拆一拆。

它到底做了什么

简单说，AutoResearchClaw 把一个 AI 研究员的工作流拆成了 8 大阶段、23 个子阶段，然后用多智能体 + 工具调用的方式把每个阶段都自动化掉。

上面那张图就是整个流水线的结构。从"一句话输入"出发，依次经过研究定界、文献发现、知识合成、实验设计与执行、结果分析决策，再到论文撰写和最终化，最后吐出一整套可直接投会的材料。三个 Gate 节点是人工确认点，如果你不想管，加上 --auto-approve 参数，让它自己跑完。

整个逻辑链条走完，输出目录里会有 paper.tex、references.bib、实验代码与跑出来的 JSON 结果、带误差棒的图表、模拟同行评审记录、引用验证报告，以及打包好的 deliverables/ 文件夹，Overleaf 直接导入就能编译。

文献这块怎么解决幻觉问题

LLM 做研究最大的硬伤就是引用——大模型编造引用这件事已经不是秘密了。AutoResearchClaw 用了一套 4 层验证机制来对抗这个问题：

首先通过 arXiv + Semantic Scholar API 实时抓取 50+ 篇真实论文，然后对每一条引用跑四道关卡：arXiv ID 验证、CrossRef/DataCite DOI 查询、Semantic Scholar 标题匹配、最后再用 LLM 做相关性评分。只要有一条过不了，这篇引用就直接被干掉，最终输出的 BibTeX 只保留经过验证的内容。

这个设计思路不新鲜，但把它集成进自动化 pipeline 里，而且做到 inline citations 和 .bib 文件自动对齐剪枝，执行起来还是有点工程量的。

实验执行：代码崩了怎么办

这大概是整个项目里最有意思的部分——它不只是生成代码，而是真的去跑代码。

AutoResearchClaw 在 sandbox 环境里执行生成的 Python 实验代码，支持自动检测 NVIDIA CUDA、Apple MPS 和 CPU 三种硬件，代码和参数规模会根据硬件条件自适应调整。

如果代码在凌晨三点崩了怎么办？它会自动读取 traceback，让 LLM 生成修复方案，重新跑，最多迭代 10 轮。如果结果不理想、假设站不住脚，就触发 PIVOT 决策，整个流程回退到假设生成阶段，换一个方向重来。这个"自愈 + 自我否定"的闭环，是跟传统代码生成工具最大的区别之一。

多智能体辩论：假设生成不是一个 agent 的事

知识合成阶段有一个比较有意思的设计——三个智能体对撞：

Hypothesis Agent 负责激进地提假设，追求新颖性；Sanity Agent 是保守派，专门挑逻辑漏洞；Killer Agent 的职责更极端，专门把各种假设往死里怼，看看能不能被一刀毙命。三个 agent 结构化辩论，过了辩论关的假设才进入实验设计阶段。

这种对抗式生成的思路，比单个 LLM 自问自答要鲁棒不少，至少在形式上给假设质量加了一道过滤网。

自学习与哨兵机制

每次跑完流水线，系统会从本次运行里提取"教训"，包括决策依据、运行时 warning、指标异常等，写入一个带时间衰减（30天）的知识库。下次运行新课题时，这些历史经验会作为上下文被复用，相当于系统在积累"实验室肌肉记忆"。

另外还有一个 Sentinel 哨兵在后台实时监控，盯着 NaN/Inf 这类数值异常、论文内容和实验证据的一致性、以及引用相关性得分，一旦发现问题就触发预警或干预。

怎么上手

安装和运行非常直接：

git clone https://github.com/aiming-lab/AutoResearchClaw.git
cd AutoResearchClaw
python3 -m venv .venv && source .venv/bin/activate
pip install -e .
cp config.researchclaw.example.yaml config.arc.yaml
# 编辑 config.arc.yaml，填写 LLM API endpoint 和 key
export OPENAI_API_KEY="sk-..."
researchclaw run --config config.arc.yaml --topic "你的研究方向" --auto-approve

最简配置只需要设置项目名、研究主题、LLM 的 API 地址和 key，以及 sandbox Python 路径。支持 OpenAI 兼容 API，也支持通过 ACP 协议对接 Claude Code、Gemini CLI、Codex CLI 等本地 agent，这种模式不需要另外配 API key，直接走 agent 自己的认证就行。

论文模板支持 NeurIPS 2025、ICLR 2026、ICML 2026 三种格式，在 config 里切换 target_conference 参数即可。

几个客观的注意点

项目目前还很新，v0.2.0 在 2026 年 3 月 16 日才发布，1183 个测试用例已通过，但生产环境表现如何还有待更多实测反馈。从文档来看，实验质量高度依赖 LLM 本身的推理能力——如果底层模型不够强，生成的实验设计和分析结论可能会有明显偏差，论文内容也需要人工仔细核查，特别是在涉及领域专业知识的部分。

不过作为一个 MIT 协议的开源框架，它把整条 research pipeline 的工程化思路都摆出来了，参考价值还是很高的。团队也在招募测试者，不同领域都欢迎，有兴趣可以去 GitHub 上提 issue 或者翻翻 Testing Guide。

项目地址：https://github.com/aiming-lab/AutoResearchClaw