aiming-lab/AutoResearchClaw

解決的問題

AutoResearchClaw 是一個自主研究流程，旨在將單一研究構想轉化為可提交會議的學術論文。它消除了文獻回顧、實驗設計、程式碼執行與 LaTeX 撰寫等繁瑣的手動工作，同時提供系統機制以防止 AI 常見問題，如虛構引用與偽造結果。

如何運作

該系統透過一個 23 階段的流程，分為八個階段運作，從初始主題範圍界定與文獻發現（使用 OpenAlex、Semantic Scholar 與 arXiv 的真實 API）開始，到在硬體感知的沙箱中執行實驗，最終導出 LaTeX 文件。它支援兩種主要模式：

• 完全自主模式： 流程獨立執行所有階段，包括實驗的自我修復以及在假設失敗時的自主轉向。
• 協作者模式： 人機協同系統，提供六種干預模式（例如 step-by-step、co-pilot），允許使用者指導假設生成、審查實驗設計並共同撰寫論文。

此專案透過 Agent Client Protocol (ACP) 與多種 AI 編碼代理整合，並可透過 OpenClaw 與 Discord 與 Telegram 等即時通訊平台連接。

適用對象

專為希望加速研究週期的研究人員與學者設計，無論是希望獲得完全自動化初稿，還是希望擁有 AI 合作夥伴協助實驗與撰寫階段的人群。

主要亮點

• 多領域執行： 包含高能物理、生物學與統計學的專業代理，以及一個通用的 Docker 執行器。
• 防偽機制： 配備 Sentinel Watchdog 與四層引用完整性系統，以真實文獻驗證主張。
• 自我進化： 使用 MetaClaw 從失敗執行中提取經驗，以提升未來表現。
• 會議就緒輸出： 生成完整的學術論文，採用 NeurIPS、ICML 與 ICLR 模板的 LaTeX 格式。
• 靈活整合： 兼容多種 LLM 後端（如 Claude Code、Gemini CLI 等）與即時通訊平台。