一、项目介绍

科研最耗时的不是“写”，而是文献调研、 idea 打磨、实验编排、审稿回复这一长串机械活。你白天要开会、要带学生，这些活只能堆到深夜，还容易断断续续、上下文丢失。要是能让 AI 在你睡觉时装好文献、跑完实验、写好初稿，早上起来直接看结果，效率会彻底不一样。
auto-claude-code-research-in-sleep（ARIS）是一套纯 Markdown 的 Claude Code 技能，专门做自主机器学习科研：选题发现、跨模型评审循环、实验自动化、论文写作与 rebuttal 一条龙。没有框架、没有锁定，直接放进 .claude/skills 就能用。它把“人不在场也能推进研究”这件事做成可复用的技能包。

二、项目基本信息

信息项详情
项目名称auto-claude-code-research-in-sleep
GitHub地址https://github.com/wanshuiyin/auto-claude-code-research-in-sleep
项目描述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.
作者wanshuiyin
开源协议MIT
开源状态公开
LanguagesPython
支持平台Windows / macOS / Linux
最后更新2026-10-29

三、核心优势

  • 全生命周期：从 idea 到 paper 全链路技能
  • 自主评审循环：跨模型 review → 改 → 再 review
  • 零框架锁定：纯 Markdown 技能，随手可改
  • 选择性安装：87 个技能按组/按需装载
  • 可自优化：meta-optimize 技能让 ARIS 自我进化

四、适用场景

适合做 ML 研究的学者、博士生与工程师：希望把文献调研、实验编排、稿件与审稿回复等重复劳动交给 Claude Code 在后台自主推进。

五、安装教程

当前最新版本 latest。按下方命令安装（如遇网络问题可切换镜像源或代理）：

# 克隆并软链技能到项目（推荐）
git clone https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep.git
bash Auto-claude-code-research-in-sleep/tools/install_aris.sh ~/your-project
# 或全局安装：把 skills 目录复制进 ~/.claude/skills/

常见报错：依赖缺失时先升级运行环境（Node、Python、Go 等）到项目要求版本；网络超时多为镜像或代理问题，可重试或换源。权限类报错请确认已登录对应平台账号。

六、使用示例

下面是一段可直接参考的真实示例：

# 在 Claude Code 中直接调用研究流水线技能，例如
/research-pipeline   # 选题→文献→实验→写作 端到端
/auto-review-loop    # 自动 review → 修复 → 再 review
# 也可按需只装部分组：install_aris.sh --groups X,Y

七、常见问题

问：一定要 Claude Code 吗？答：项目面向 Claude Code 设计，也提供 Codex 桥接脚本。问：87 个技能都要装吗？答：不必，支持按组或按技能选择性安装。

八、总结

auto-claude-code-research-in-sleep 用一个清晰的设计，把把专家经验固化成可复用指令这件反复劳动变成了可复用、可维护的能力。它不追求大而全，而是把核心痛点解决得足够扎实——这正是日常开发与团队落地时最需要的那种工具。如果你也在被同类问题困扰，不妨按上面的安装与使用步骤试一试，把它接进自己的工作流。