Auto-claude-code-research-in-sleep

ARIS（Auto-Research-In-Sleep）是一款轻量级自主ML研究工具，通过纯Markdown格式的技能文件驱动AI Agent在无人值守状态下完成机器学习研究任务，无需任何框架依赖。 一、快速开始 1. 访问ARIS的GitHub仓库，克隆项目到本地：git clone加上仓库地址。 2. 确保已安装Claude Code、Codex或OpenClaw等支持的LLM Agent平台中的任意一个。 3. 在项目的skills目录下，可以看到预置的Markdown技能文件模板。 4. 复制一个模板文件，根据你的研究需求修改技能描述内容。 5. 在Agent平台中运行该技能文件，ARIS会自动解析并执行研究任务。 二、核心功能演示 功能1：文献自动调研 编写一个文献调研技能文件，在Markdown中描述研究主题、关键词和调研范围。运行后，ARIS会自动搜索相关论文，提取核心观点，生成结构化的文献综述报告。支持指定关注的方法论、数据集和评估指标，调研结果会以标准格式输出。 功能2：跨模型审阅循环 ARIS的特色功能是让不同的LLM模型互相审阅研究成果。在技能文件中配置审阅流程，一个模型生成内容后，另一个模型会进行批判性审阅并提出改进建议，经过多轮循环后输出经过打磨的高质量研究文档。 功能3：实验自动化 在技能文件中定义实验方案，包括数据集选择、模型配置、训练参数和评估指标。ARIS会自动编写实验代码、运行训练、记录结果并生成分析报告。支持对比多组实验配置，自动识别最优方案。 三、实际使用案例 案例1：论文写作辅助 博士生小王使用ARIS的文献调研功能，对多模态大模型主题进行了系统调研，生成了包含50篇核心论文的文献综述初稿，节省了两周的文献阅读时间，随后在此基础上精读重点论文完成最终综述。 案例2：模型选型对比 某AI团队需要在多个预训练模型中选择最合适的基座模型，使用ARIS定义了对比实验技能，自动在相同数据集上测试了5个模型，生成了包含性能指标、训练成本和推理速度的完整对比报告。 四、常见问题FAQ Q1：必须使用Claude Code吗？ A：不是，ARIS兼容Claude Code、Codex、OpenClaw等主流LLM Agent平台。选择你熟悉的平台即可，技能文件格式是统一的。 Q2：需要编程基础吗？ A：编写技能文件不需要编程，只需用Markdown描述研究需求。但如果你想自定义实验代码，具备Python基础会让使用更灵活。 Q3：运行费用如何？ A：ARIS本身免费开源，但运行时需要调用LLM API，费用取决于你使用的模型和任务复杂度。建议先用小规模测试验证技能文件，再进行大规模研究。 五、小贴士 1. 技能文件写得越详细，AI执行效果越好。明确指定研究目标、约束条件和输出格式，避免模糊描述。 2. 善用跨模型审阅功能，让不同模型互相检验，能显著提升研究结果的可靠性和深度。 3. 建议先从简单的文献调研任务开始熟悉ARIS工作流，再逐步尝试复杂的端到端实验自动化。