一、基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 正式名称 | Auto-claude-code-research-in-sleep | GitHub 仓库名 |
| 项目自述名称 | ARIS ⚔️（Auto-Research-In-Sleep） | README 标题（与正式名称不同，仅记录不作名称使用） |
| 作者/维护者 | wanshuiyin（个人开发者），另有 68 位贡献者 | GitHub API |
| 来源链接 | https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep | — |
| 许可证 | MIT | GitHub API |
| GitHub Stars | 13,521 | GitHub API |
| Forks | 1,219 | GitHub API |
| 最新版本 | v0.4.22（2026-07-12 发布） | GitHub Releases API |
| 安装方式 | 一键安装脚本（install_aris.sh 等，按平台/组件可选装） |
官方 README |
二、功能介绍与亮点
把“从研究方向到投稿论文”的机器学习研究全流程封装为可复用技能，由 84 个协同 Markdown 技能组成，覆盖选题发现 → 实验搭桥（含 GPU 任务排队执行）→ 交叉模型评审 → 论文写作与图表生成 → 投稿材料准备。
亮点：① 交叉模型评审——Claude Code 负责执行写作，另接入 GPT/DeepSeek/Kimi 等外部模型独立评审，规避单模型自我评审盲区；② 多层审计链，检测“四舍五入夸大”“挑好种子”等常见研究造假手法；③ 维护极活跃；④ 纯 Markdown 实现，无需额外框架或数据库。
三、适用场景
固定分类：内容创作与知识管理
适用于机器学习/AI 方向的研究生、独立研究者与实验室团队，在选题、跑实验、写论文到投稿的完整周期中，需要自动化重复性研究劳动并引入外部视角评审的场景。
四、跨 Agent 兼容性
| Agent | 结论 | 依据 |
|---|---|---|
| Claude Code | 原生支持 | 官方首选平台，多数技能文件默认为 Claude Code 编写 |
| Codex | 原生支持 | 提供专用安装脚本 install_aris_codex.sh 及独立技能目录 skills/skills-codex/ |
| OpenClaw | 需适配 | 提供专门的《OpenClaw 适配指南》，需按指南做工作流到阶段的映射，非零配置即用 |
| Hermes Agent | 未验证 | 已抓取材料仅显示其中一个子技能设计上借鉴了 Hermes Agent 的同类技能，未见官方安装或适配说明 |
五、推荐理由
把机器学习研究中最耗时的“跑实验、核数据、走查论文”环节自动化，并用外部模型交叉评审替代自我评审，帮研究者把精力留给真正需要判断力的选题与解读环节。
六、评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 9 | 13,521 Stars、1,219 Forks，项目 2026-03 创建，4 个月内快速增长 |
| 可用性 | 8 | 提供多平台一键安装脚本与交互式组件选择器，文档齐全（含中英双语）、维护频率高（近 5 天内有发布）；完整功能需配置 Anthropic/OpenAI 等第三方 API Key，属轻量配置门槛 |
| 安全性 | 7 | 见下方安全检查清单 |
| 综合评分 | 8.0 | 三项均值 |
安全检查清单：
| 检查项 | 结果 |
|---|---|
| ① Shell 命令与权限范围 | 声明 Bash(*) 等广域执行权限，用于跑实验、克隆仓库、SSH 任务队列，权限较宽但服务于工具核心功能，非隐蔽授权 |
| ② 运行时联网外发 | 联网获取 arXiv/CrossRef/Semantic Scholar 文献数据，并调用 OpenAI/DeepSeek 等外部模型 API 做交叉评审，用途在文档中公开说明 |
| ③ API Key/凭据 | 通过 .env 文件传递 Anthropic/OpenAI 等密钥，标准环境变量做法；提供基于 ChatGPT 订阅的免密钥替代方案 |
| ④ 可疑指令排查 | 抽查核心技能文件（如 research-pipeline/SKILL.md）未发现 prompt injection 或隐藏指令 |
| ⑤ 作者/组织信誉 | 个人开发者主导 + 68 名贡献者的活跃社区项目，非官方机构出品 |
| ⑥ License | MIT，条款清晰、允许商用 |
| ⑦ 最近维护 | 极活跃，最新发布距今约 5 天 |
仅⑤因非机构背景扣分，定为 7 档。
七、跟同类 Skills 相比的优势
| 对比对象 | 定位 | 与本 skill 的差异 |
|---|---|---|
| academic-research-skills | 面向人文/通用学术写作的检索-写作-评审流水线，Claude Code 插件市场一键安装 | 该工具专精文献综述与论文写作规范，不涉及实验代码执行；本 skill 额外覆盖实验搭桥与 GPU 任务执行，面向有真实实验环节的经验性研究 |
| 单点文献检索/引用格式化脚本 | 只解决引用抓取或格式转换单一环节 | 本 skill 把选题、实验、评审、写作串成一条完整流水线，引用管理只是其中一环 |
核心差异化：多数同类工具聚焦“写作”或“文献管理”单一环节，本 skill 面向有真实计算实验的研究者，把实验执行与交叉模型评审也纳入自动化范围。
八、用户评价
该技能目前在第三方平台尚无经过验证的具名用户评价（论坛讨论、独立博客评测等）。GitHub Stars/Forks 与活跃的发布节奏可作为社区采纳度的旁证，但均属统计类信息，非用户主观评价。
九、其他补充
仓库提供中英双语文档，并收录 14 个外部社区衍生项目（引用校验、超参调优等方向）。
十、安装使用方式
克隆仓库后执行 ./install_aris.sh（Claude Code）或 ./install_aris_codex.sh（Codex CLI），交互式选装技能分组。需配置 Anthropic API Key 及至少一个外部评审模型 API Key（OpenAI/DeepSeek/Kimi 等，或改用 ChatGPT 订阅免密钥接入）；可选 SSH 可达 GPU 服务器用于实验排队执行。建议先跑最小工作流验证连通性，再启用完整流水线。
十一、注意事项
- 项目创建于 2026 年 3 月，实际使用周期约 4 个月，长期稳定性待观察；
- 默认声明较宽的 Shell 执行权限，建议先在非关键环境验证；
- 完整体验依赖外部模型 API 或 ChatGPT 订阅，会产生调用成本；
- OpenClaw 需按适配指南手动接入，Hermes Agent 兼容性尚无可验证材料。