wanshuiyin/Auto-claude-code-research-in-sleep

ARIS ⚔️ (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.

What it solves

ARIS (Auto-claude-code-research-in-sleep)는 자율 AI 기반 연구에서 신뢰성 부족과 무결성 결여 문제를 해결합니다. 모델이 이전 세부 정보를 잊어버리거나 정보를 조작하거나 중요한 감독 없이 스스로 작업을 평가하는 일반적인 '자동 연구' 실패를 방지하여 복잡하고 장문의 연구 결과가 검증되고 일관성을 유지하도록 합니다.

How it works

ARIS는 계획, 초안 작성, 적대적 검토, 반복, 지속이라는 5단계 루프에 기반한 방법론입니다. 'research-wiki'를 메모리로 활용하여 장기 프로젝트에서 컨텍스트를 유지하고, 서로 다른 모델이 서로의 작업을 확인하는 교차 모델 감사(자기 확인 편향 제거)를 적용합니다. 이 시스템은 Claude Code나 Cursor와 같은 기존 AI 코딩 도구 내의 스킬 기반 워크플로우로 구현하거나, 독립 CLI(ARIS-Code)로 사용될 수 있으며, MCP(Model Context Protocol) 서버와 통합되어 도구 배포 및 리뷰어 정렬을 수행합니다.

Who it’s for

기계 학습, 법률, 투자 실사, 시장 조사, 탐사 저널리즘 등 분야에서 구조화된 연구를 수행하는 연구원, 엔지니어, 분석가를 위해 설계되었습니다.

Highlights

Cross-Model Auditing: 별도의 모델을 사용해 출력물을 감사함으로써 AI가 자신의 실수에 단순히 동의하는 것을 방지합니다.
Research-Wiki: 지속적인 지식 베이스를 유지하여 장문 연구 작업 중 기억 손실을 방지합니다.
Integrity Guardrails: "Anti-Autoresearch"를 포함하여 61가지 서로 다른 무결성 해킹 패턴 및 조작 신호를 카탈로그화하고 탐지합니다.
Flexible Integration: 독립 CLI로 동작하거나 Claude Code, Cursor, Trae, GitHub Copilot CLI용 스킬 세트로 작동합니다.
Multimodal Extension: ARIS-Movie-Director를 통해 연구 루프를 영화 연출 및 다이어그램 생성으로 확장합니다.