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）解決了自主 AI 驅動研究中的不可靠性與缺乏完整性問題。它防止常見的「自動研究」失敗，模型會遺忘先前細節、捏造資訊，或在缺乏關鍵監督的情況下自行評估工作，確保複雜、長篇的研究成果得到驗證且保持一致。

How it works

ARIS 是一種基於五步循環的研究方法論：規劃、草擬、對抗性審查、迭代與持續。它利用「research-wiki」作為記憶體，以在長期專案中維持上下文，並採用跨模型稽核（不同模型互相檢查彼此的工作）來消除自我確認偏誤。此系統可作為現有 AI 程式編寫工具（如 Claude Code 或 Cursor）中的技能工作流程實作，或透過獨立的 CLI（ARIS-Code）使用，該 CLI 與 MCP（Model Context Protocol）伺服器整合，以進行工具分派與審查者對齊。

Who it’s for

此工具設計給從事結構化研究的研究人員、工程師與分析師，涵蓋機器學習、法律、投資盡職調查、市場研究與調查新聞等領域。

Highlights

  • Cross-Model Auditing: 使用不同模型來稽核輸出，防止 AI 只會同意自己的錯誤。
  • Research-Wiki: 維持永久性的知識庫，以避免長篇研究任務中的記憶遺失。
  • Integrity Guardrails: 包含「Anti-Autoresearch」，可列舉並偵測 61 種不同的完整性駭客模式與捏造訊號。
  • Flexible Integration: 可作為獨立 CLI 使用，或作為 Claude Code、Cursor、Trae 與 GitHub Copilot CLI 的技能套件。
  • Multimodal Extension: 透過 ARIS-Movie-Director 將研究循環延伸至電影導演與圖表製作。