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）解决了自主 AI 驱动研究中的不可靠性与缺乏完整性问题。它防止常见的「自动研究」失败，模型会遗忘先前细节、捏造信息，或在缺乏关键监督的情况下自行评估工作，确保复杂、长篇的研究成果得到验证且保持一致。

How it works

ARIS 是一种基于五步循环的研究方法论：规划、草拟、对抗性审查、迭代与持续。它利用「research-wiki」作为记忆体，以在长期项目中维持上下文，并采用跨模型审计（不同模型互相检查彼此的工作）来消除自我确认偏误。此系统可作为现有 AI 编码工具（如 Claude Code 或 Cursor）中的技能工作流实现，或通过独立的 CLI（ARIS-Code）使用，该 CLI 与 MCP（Model Context Protocol）服务器整合，以进行工具分配与审查者对齐。

Who it’s for

此工具设计给从事结构化研究的研究人员、工程师与分析师，涵盖机器学习、法律、投资尽职调查、市场研究与调查新闻等领域。

Highlights

  • Cross-Model Auditing: 使用不同模型来审计输出，防止 AI 只会同意自己的错误。
  • Research-Wiki: 维护永久性的知识库，以避免长篇研究任务中的记忆丢失。
  • Integrity Guardrails: 包含「Anti-Autoresearch」，可列举并检测 61 种不同的完整性黑客模式与捏造信号。
  • Flexible Integration: 可作为独立 CLI 使用，或作为 Claude Code、Cursor、Trae 与 GitHub Copilot CLI 的技能套件。
  • Multimodal Extension: 通过 ARIS-Movie-Director 将研究循环延伸至电影导演与图表制作。