如何 3 条命令快速上手 Auto-claude-code-research-in-sleepARIS从安装到跑通第一个科研工作流【免费下载链接】Auto-claude-code-research-in-sleepARIS ⚔️ (Auto-Research-In-Sleep) — Lightweight Markdown-only skills for autonomous ML research: cross-model review loops, idea discovery, and experiment automation. No framework, no lock-in — works with Claude Code, Codex, OpenClaw, or any LLM agent.项目地址: https://gitcode.com/gh_mirrors/au/Auto-claude-code-research-in-sleepARISAuto Research in SleepAuto-claude-code-research-in-sleep是一个轻量级 AI 科研自动化开源项目它用纯 Markdown 技能文件 跨模型自动评审循环让 LLM Agent 在你睡觉时完成文献调研、Idea 生成、GPU 实验和论文写作。本文带你用 3 条命令完成 ARIS 安装并跑通第一个科研工作流。认识 ARIS一个纯 Markdown 的 AI 科研团队在动手之前先花 30 秒搞清楚 ARIS 是什么、为什么值得装极度轻量零锁定—— 整个技能层就是纯 Markdown 文件没有框架、没有数据库、没有 Docker。换一个 Agent 就能继续用Claude Code、Codex CLI、Cursor、Trae、Copilot CLI 都支持。⚔️跨模型对抗评审—— 执行者如 Claude负责干活一个独立的另一个模型默认 Codex / GPT xhigh 档负责审稿。双模型协作能打破单模型自审的盲区评审更严谨。83 个可组合技能—— 从/research-lit文献调研、/idea-discoveryIdea 发现、/run-experiment实验部署到/paper-writing论文写作每个技能对应一个独立 SKILL.md。可手机接管—— 支持飞书推送 / 双向审批过夜跑实验也能随时掌握进度。下面这张图就是 ARIS 独立 CLIARIS-Code的运行界面左侧是执行者模型右侧是评审模型 想系统了解架构直接读 README.md英文或 README_CN.md中文Agent 用法详见 AGENT_GUIDE.md。ARIS 安装教程3 条命令快速上手前置要求已安装 Claude Code或 Codex CLI并准备好一个你的科研项目目录~/your-project。第 1 步一条命令安装 ARIS 技能克隆仓库并把 83 个技能以符号链接方式装进项目git clone https://gitcode.com/gh_mirrors/au/Auto-claude-code-research-in-sleep bash Auto-claude-code-research-in-sleep/tools/install_aris.sh ~/your-project安装脚本 tools/install_aris.sh 会把这些链接到project/.claude/skills/只装进当前项目不污染你的全局环境。想全局安装执行cp -r Auto-claude-code-research-in-sleep/skills/* ~/.claude/skills/不需要全部 83 个安装脚本支持--list-groups/--groups X,Y/--skills X按需挑选第 2 步配置独立评审模型Codex ReviewerARIS 的核心是执行 独立评审双模型评审默认走 Codex。一条命令完成安装与登录复用 ChatGPT 订阅无需额外 API Keynpm 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然后重启 Claude Code用claude mcp list确认codex显示 ✔ Connected 即可。评审桥接服务源码见 mcp-servers/codex-exec/server.py工具自包含复制走也能用。第 3 步启动 Claude Code跑通第一个科研工作流进入你的项目目录cd ~/your-project claude在会话中输入注意方向要具体别写做 NLP要写离散扩散语言模型的 factorized gap这类可落地方向/idea-discovery 你的研究方向/idea-discovery会自动串起完整流程文献调研 → 头脑风暴 8-12 个 Idea → 可行性/新颖性筛选 → 深度查新验证 → 小样本 Pilot 实验 → 按实证结果排序 → 输出IDEA_REPORT.md和精炼提案。技能定义见 skills/idea-discovery/SKILL.md。第一个科研工作流总有一款适合你ARIS 的 13 个命名工作流既可单独用、也可串联成全流程。新手建议按你现在卡在哪一步来选你的处境推荐命令说明还没有具体 Idea/idea-discovery 方向调研 生成 验证 Pilot 排序已有实验计划/experiment-bridge自动实现代码 → 部署 GPU → 收集结果已有结果要打磨/auto-review-loop 主题评审 → 修复 → 复评循环到达标准备写论文/paper-writing NARRATIVE_REPORT.md叙事报告 → 润色 → 编译成 PDF懒人一键全流程/research-pipeline 方向W1 → W1.5 → W2 → W3 端到端审稿意见回来了/rebuttal paper/ reviews解析意见 → 起草有底线的回复每个技能都是独立目录比如全流程技能在 skills/research-pipeline/SKILL.md、自动评审循环在 skills/auto-review-loop/SKILL.md打开就是纯 Markdown改起来毫无门槛。输入不确定时仓库内置了全套模板研究简报模板、实验计划模板、叙事报告模板。真实效果看自动评审循环把论文从 5.0 拉到 7.5/auto-review-loop是睡觉跑科研的招牌玩法独立评审模型深度评审当前论文 → 指出弱点 → 执行模型修文 / 补实验 → 收集结果再送审循环直到分数达到阈值默认 6/10或轮数上限默认 4 轮。中途上下文耗尽也会自动从REVIEW_STATE.json断点续跑。这是一次真实运行的分数曲线初始 5.0四轮之后到达 7.5Submission Ready⚠️ 官方提醒这些工具加速科研但不替代你的批判性思考。生成的 Idea 务必用你的领域知识把关最终决策权在你手里。过夜跑实验不迷路飞书推送 会话监控两个轻量配件让睡觉跑科研真正可控 飞书集成可选默认关闭实验完成、等待审批、GPU OOM 报错、流水线结束……都会变成手机上的彩色卡片还支持在飞书里直接审批/回复。配置指南见 docs/integrations/FEISHU_CN.md桥接服务在 mcp-servers/feishu-bridge/server.py️ ARIS-MonitormacOS 常驻小组件哪个会话在等你批准就亮红灯多窗口跑实验时的仪表盘。使用只需cd aris-monitor ./run.sh入口见 aris-monitor/run.sh新手常见问题 FAQQ1一定要 Claude OpenAI 双订阅吗不一定要。执行者可换成 GLM / MiniMax / Kimi 等模型组合详见 docs/MODELSCOPE_GUIDE.md 与 docs/LLM_API_MIX_MATCH_GUIDE.md评审走 ChatGPT 订阅的 Codex 即可。Q2以后怎么更新cd Auto-claude-code-research-in-sleep git pull bash tools/smart_update.sh --apply更新脚本 tools/smart_update.sh 只同步安全技能你个人改过的会被标记出来不会悄悄覆盖。Q3跑全流程大概花多少时间/钱/idea-discovery的 Pilot 实验单条约 30 分钟-2 小时、4 GPU 小时以上的实验默认跳过并标记待人工确认预算都可配置——先从小范围/idea-discovery跑起熟悉节奏后再上/research-pipeline全流程。Q4怎么卸载删掉~/.claude/skills/下对应的 ARIS 技能目录即可项目级安装则删掉.claude/skills/里的符号链接不影响你自己的技能。下一步从跑通到精通 完整功能与工作流细节README.md英文版含 13 个工作流全解️ 每个技能的配置开关AUTO_PROCEED / 数据源 / GPU 预算等 16 个内联参数docs/CUSTOMIZATION_CN.md 没有 GPU先看 docs/GPU_SETUP_CN.md 配置远程 GPU 服务器 让 ARIS 自我进化跑 5 次工作流后执行/meta-optimize基于使用日志自动提出技能改进三命令装好、一晚上跑完一轮评审循环——这就是 ARIS 的全部魔力。现在就去克隆仓库把第一个/idea-discovery跑起来吧 【免费下载链接】Auto-claude-code-research-in-sleepARIS ⚔️ (Auto-Research-In-Sleep) — Lightweight Markdown-only skills for autonomous ML research: cross-model review loops, idea discovery, and experiment automation. No framework, no lock-in — works with Claude Code, Codex, OpenClaw, or any LLM agent.项目地址: https://gitcode.com/gh_mirrors/au/Auto-claude-code-research-in-sleep创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
如何 3 条命令快速上手 Auto-claude-code-research-in-sleepARIS从安装到跑通第一个科研工作流【免费下载链接】Auto-claude-code-research-in-sleepARIS ⚔️ (Auto-Research-In-Sleep) — Lightweight Markdown-only skills for autonomous ML research: cross-model review loops, idea discovery, and experiment automation. No framework, no lock-in — works with Claude Code, Codex, OpenClaw, or any LLM agent.项目地址: https://gitcode.com/gh_mirrors/au/Auto-claude-code-research-in-sleepARISAuto Research in SleepAuto-claude-code-research-in-sleep是一个轻量级 AI 科研自动化开源项目它用纯 Markdown 技能文件 跨模型自动评审循环让 LLM Agent 在你睡觉时完成文献调研、Idea 生成、GPU 实验和论文写作。本文带你用 3 条命令完成 ARIS 安装并跑通第一个科研工作流。认识 ARIS一个纯 Markdown 的 AI 科研团队在动手之前先花 30 秒搞清楚 ARIS 是什么、为什么值得装极度轻量零锁定—— 整个技能层就是纯 Markdown 文件没有框架、没有数据库、没有 Docker。换一个 Agent 就能继续用Claude Code、Codex CLI、Cursor、Trae、Copilot CLI 都支持。⚔️跨模型对抗评审—— 执行者如 Claude负责干活一个独立的另一个模型默认 Codex / GPT xhigh 档负责审稿。双模型协作能打破单模型自审的盲区评审更严谨。83 个可组合技能—— 从/research-lit文献调研、/idea-discoveryIdea 发现、/run-experiment实验部署到/paper-writing论文写作每个技能对应一个独立 SKILL.md。可手机接管—— 支持飞书推送 / 双向审批过夜跑实验也能随时掌握进度。下面这张图就是 ARIS 独立 CLIARIS-Code的运行界面左侧是执行者模型右侧是评审模型 想系统了解架构直接读 README.md英文或 README_CN.md中文Agent 用法详见 AGENT_GUIDE.md。ARIS 安装教程3 条命令快速上手前置要求已安装 Claude Code或 Codex CLI并准备好一个你的科研项目目录~/your-project。第 1 步一条命令安装 ARIS 技能克隆仓库并把 83 个技能以符号链接方式装进项目git clone https://gitcode.com/gh_mirrors/au/Auto-claude-code-research-in-sleep bash Auto-claude-code-research-in-sleep/tools/install_aris.sh ~/your-project安装脚本 tools/install_aris.sh 会把这些链接到project/.claude/skills/只装进当前项目不污染你的全局环境。想全局安装执行cp -r Auto-claude-code-research-in-sleep/skills/* ~/.claude/skills/不需要全部 83 个安装脚本支持--list-groups/--groups X,Y/--skills X按需挑选第 2 步配置独立评审模型Codex ReviewerARIS 的核心是执行 独立评审双模型评审默认走 Codex。一条命令完成安装与登录复用 ChatGPT 订阅无需额外 API Keynpm 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然后重启 Claude Code用claude mcp list确认codex显示 ✔ Connected 即可。评审桥接服务源码见 mcp-servers/codex-exec/server.py工具自包含复制走也能用。第 3 步启动 Claude Code跑通第一个科研工作流进入你的项目目录cd ~/your-project claude在会话中输入注意方向要具体别写做 NLP要写离散扩散语言模型的 factorized gap这类可落地方向/idea-discovery 你的研究方向/idea-discovery会自动串起完整流程文献调研 → 头脑风暴 8-12 个 Idea → 可行性/新颖性筛选 → 深度查新验证 → 小样本 Pilot 实验 → 按实证结果排序 → 输出IDEA_REPORT.md和精炼提案。技能定义见 skills/idea-discovery/SKILL.md。第一个科研工作流总有一款适合你ARIS 的 13 个命名工作流既可单独用、也可串联成全流程。新手建议按你现在卡在哪一步来选你的处境推荐命令说明还没有具体 Idea/idea-discovery 方向调研 生成 验证 Pilot 排序已有实验计划/experiment-bridge自动实现代码 → 部署 GPU → 收集结果已有结果要打磨/auto-review-loop 主题评审 → 修复 → 复评循环到达标准备写论文/paper-writing NARRATIVE_REPORT.md叙事报告 → 润色 → 编译成 PDF懒人一键全流程/research-pipeline 方向W1 → W1.5 → W2 → W3 端到端审稿意见回来了/rebuttal paper/ reviews解析意见 → 起草有底线的回复每个技能都是独立目录比如全流程技能在 skills/research-pipeline/SKILL.md、自动评审循环在 skills/auto-review-loop/SKILL.md打开就是纯 Markdown改起来毫无门槛。输入不确定时仓库内置了全套模板研究简报模板、实验计划模板、叙事报告模板。真实效果看自动评审循环把论文从 5.0 拉到 7.5/auto-review-loop是睡觉跑科研的招牌玩法独立评审模型深度评审当前论文 → 指出弱点 → 执行模型修文 / 补实验 → 收集结果再送审循环直到分数达到阈值默认 6/10或轮数上限默认 4 轮。中途上下文耗尽也会自动从REVIEW_STATE.json断点续跑。这是一次真实运行的分数曲线初始 5.0四轮之后到达 7.5Submission Ready⚠️ 官方提醒这些工具加速科研但不替代你的批判性思考。生成的 Idea 务必用你的领域知识把关最终决策权在你手里。过夜跑实验不迷路飞书推送 会话监控两个轻量配件让睡觉跑科研真正可控 飞书集成可选默认关闭实验完成、等待审批、GPU OOM 报错、流水线结束……都会变成手机上的彩色卡片还支持在飞书里直接审批/回复。配置指南见 docs/integrations/FEISHU_CN.md桥接服务在 mcp-servers/feishu-bridge/server.py️ ARIS-MonitormacOS 常驻小组件哪个会话在等你批准就亮红灯多窗口跑实验时的仪表盘。使用只需cd aris-monitor ./run.sh入口见 aris-monitor/run.sh新手常见问题 FAQQ1一定要 Claude OpenAI 双订阅吗不一定要。执行者可换成 GLM / MiniMax / Kimi 等模型组合详见 docs/MODELSCOPE_GUIDE.md 与 docs/LLM_API_MIX_MATCH_GUIDE.md评审走 ChatGPT 订阅的 Codex 即可。Q2以后怎么更新cd Auto-claude-code-research-in-sleep git pull bash tools/smart_update.sh --apply更新脚本 tools/smart_update.sh 只同步安全技能你个人改过的会被标记出来不会悄悄覆盖。Q3跑全流程大概花多少时间/钱/idea-discovery的 Pilot 实验单条约 30 分钟-2 小时、4 GPU 小时以上的实验默认跳过并标记待人工确认预算都可配置——先从小范围/idea-discovery跑起熟悉节奏后再上/research-pipeline全流程。Q4怎么卸载删掉~/.claude/skills/下对应的 ARIS 技能目录即可项目级安装则删掉.claude/skills/里的符号链接不影响你自己的技能。下一步从跑通到精通 完整功能与工作流细节README.md英文版含 13 个工作流全解️ 每个技能的配置开关AUTO_PROCEED / 数据源 / GPU 预算等 16 个内联参数docs/CUSTOMIZATION_CN.md 没有 GPU先看 docs/GPU_SETUP_CN.md 配置远程 GPU 服务器 让 ARIS 自我进化跑 5 次工作流后执行/meta-optimize基于使用日志自动提出技能改进三命令装好、一晚上跑完一轮评审循环——这就是 ARIS 的全部魔力。现在就去克隆仓库把第一个/idea-discovery跑起来吧 【免费下载链接】Auto-claude-code-research-in-sleepARIS ⚔️ (Auto-Research-In-Sleep) — Lightweight Markdown-only skills for autonomous ML research: cross-model review loops, idea discovery, and experiment automation. No framework, no lock-in — works with Claude Code, Codex, OpenClaw, or any LLM agent.项目地址: https://gitcode.com/gh_mirrors/au/Auto-claude-code-research-in-sleep创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
