从真实研究信号中发现值得研究的问题，把一个 Idea 推进成有证据、可复查的实验项目。
AutoResearch 是一套面向 AI/ML 研究的开源 Agent 工作流。它既能从近期论文、开发者社区和开源趋势中寻找研究机会，也能接收你已有的 Idea，继续完成实验规划、编码、审查、运行和结果分析。
整个项目包含两个可以独立使用的流程：
- Idea 生成：把联网研究信号与本地知识库做领域交叉，经过多模型独立构思、交叉评审和实验计划生成，得到可执行的研究 Idea。
- Idea 执行：把一份已有 Idea 交给有状态的多 Agent 工作流，完成预实验、正式实验、结果分析、Critic 和 Blind Review。
研究 Agent 容易在资料不足时补全不存在的细节，也容易围绕单次输出反复自证。AutoResearch 用真实信号约束问题来源，用本地知识库补充领域知识，再通过模型交叉评审、来源记录、实验日志、Critic 和 Blind Review 检查关键结论。这些机制可以有效降低凭空生成、来源不明、自评虚高和过度解释负结果等幻觉风险。系统不能保证结论一定正确，但会保留证据和状态，方便研究者复查、接管或停止。
项目状态：Alpha。 Idea Pipeline 已通过仓库的离线测试；
ar-runtime的合同测试已通过， 但当前版本尚未完成一次使用真实模型、实际执行实验并无人工改写工作流状态的端到端验收。 请在隔离、可丢弃的 Linux / SSH 环境中运行，限制可见凭证、网络、目录和费用。当前版本 不适合无人值守的生产任务。生成的 Idea 与实验结论仍需研究者审查。
| 你的起点 | 使用路径 | 主要产出 |
|---|---|---|
| 🔎 还没有明确 Idea | 运行 Idea 生成流程 | 候选研究方向、通过评审的 Idea、实验计划 |
| 💡 已经有自己的 Idea | 直接执行已有 Idea | 实验代码、运行日志、结果分析和独立评审 |
| 🔁 想跑完整流程 | 先生成 Idea，再选择一份计划进入执行流程 | 从研究信号到实验结论的完整记录 |
| 特点 | 用户能得到什么 |
|---|---|
| 🌐 领域交叉 Idea 生成 | 用近期外部信号发现问题，再用自己的领域知识补充约束和经验 |
| 🧠 多模型独立评审 | Idea 生成至少使用三个不同模型，避免单模型自己生成、自己通过 |
| 💾 有状态实验执行 | 计划、代码、队列、日志和结论持续落盘，长任务中断后可以继续 |
| 🧪 先预实验，再决定是否放大 | 先用较小成本验证可行性，再进入正式实验或及时停止 |
| 🔍 证据与来源可追踪 | Forge 来源、知识方向、实验结果、Critic 和 Blind Review 都有记录 |
| 📉 允许负结果 | 假设不成立时可以保留证据并结束，不要求把每次实验解释成成功 |
准备一台 Linux / SSH 机器，并确保已安装 Git、Python 3.10+ 和 python3-venv：
git clone https://github.com/EvoMap/AutoResearch.git
cd AutoResearch
bash scripts/bringup.shbringup.sh 会创建 .venv、安装 Python 依赖、运行基础测试和 secret 扫描，并检查当前模型配置。它不会向模型服务发送请求，也不会产生 API 费用。
第一次运行时还没有填写 API，最终显示 BLOCKED 或以非零状态退出是正常的。先确认 Python、依赖和测试没有失败，再按下一步补齐凭证。
创建本地配置；已有文件时不会覆盖：
test -f .env || cp .env.example .env
test -f config/providers.local.json || \
cp config/providers.example.json config/providers.local.json然后编辑两个文件：
.env：保存真实的 API 地址、Key 和代理等本机信息，不提交到 Git。config/providers.local.json：声明 endpoint、模型代称，以及每个角色使用哪些模型。
AutoResearch 不要求固定的 Gemini、GPT 或 Claude 组合。可以使用一个或多个兼容端点；需要独立意见的环节按实际模型身份计数，同一 endpoint 也可以提供多个不同模型。
set -a
. ./.env
set +a
.venv/bin/python scripts/preflight.py --live这一步会发送少量真实请求。退出码为 0 表示普通角色有可用模型，Idea Forge 和 Critic 等多模型环节也满足数量与独立性要求。
完成后选择一条路径：
# 生成 Idea
.venv/bin/python idea_generation.py
# 执行已有 Idea
# 继续阅读“三、Idea 执行”- 联网研究信号：采集近期论文、社区讨论和开源趋势，再聚合、去重、筛选和研判。
- 本地领域知识：从
knowledge_base/读取用户维护的研究经验、约束和常见误区。 - 领域交叉：把外部新信号与本地知识方向组合，形成候选 Idea，并继续完成交叉评审和实验计划。
本地知识库不会被流程自动改写。你可以直接使用仓库已有方向，也可以新增自己的 Markdown 文件。
两个入口分别用于完整运行和补跑：
idea_generation.py：推荐入口，执行联网采集、筛选、Idea Forge 和结果更新。run_pending_forge.py：补跑入口，只处理data/pending_forge_seeds.json中已有种子，不重新联网采集。
| 阶段 | 发生什么 |
|---|---|
| 1. 采集 | 从多个公开渠道收集近期研究信号 |
| 2. 筛选 | 聚合、去重、初筛，并对候选方向做深入研判 |
| 3. 组合 | 将每个入选信号与选中的本地知识方向组合 |
| 4. 生成与评审 | 三个或更多不同模型独立构思，并对候选 Idea 交叉评审 |
| 5. 计划 | 对通过评审的 Idea 做时效性检查、共识检查并生成实验计划 |
默认入口：
.venv/bin/python idea_generation.py主要输出位于：
| 路径 | 内容 |
|---|---|
data/candidates/ |
聚合后的候选研究信号 |
data/verified/ |
筛选和综合研判结果 |
data/idea_forge/ |
完整 Idea、评审结果和实验计划 |
logs/ |
运行日志 |
当前实现会在本轮没有新种子时，从最近的历史验证结果中寻找“强推荐”种子，并在日志中明确说明。
查看当前可用方向，或按关键词筛选：
.venv/bin/python src/idea_forge/b_library.py
.venv/bin/python src/idea_forge/b_library.py agent默认使用已注册的四个方向。要指定自己的组合，在 config/providers.local.json 中加入：
{
"idea_forge": {
"b_directions": ["Agent_运行时与沙箱", "视觉推理"]
}
}方向名对应 knowledge_base/ 下的 Markdown 文件名。每增加一个方向，构思和评审调用量都会增加；第一次运行建议先选少量方向验证流程。
仓库不捆绑 GPT Researcher 源码，也不让 Idea Generation 自动调用它。需要为新方向搜集资料时， 可以把固定版本的官方上游装进单独的 Python 3.11 环境：
python3.11 -m venv .venv-research
.venv-research/bin/python -m pip install -r requirements-research.txt官方工具不读取 config/providers.local.json。它直接读取环境变量；默认配置需要 .env 中的
OPENAI_API_KEY 和 TAVILY_API_KEY，切换模型或检索器时使用上游支持的 FAST_LLM、
SMART_LLM 和 RETRIEVER 等变量。
下面的命令会联网并可能产生模型与检索费用，所以必须显式确认：
set -a
. ./.env
set +a
.venv-research/bin/python scripts/research_to_knowledge.py \
"agent runtime safety" \
--confirm-paid-network结果只写入被 Git 忽略的 workspaces/knowledge-drafts/。人工核对来源、删除错误内容并补齐
knowledge_base/TEMPLATE.md 要求的章节后，再把认可的内容移入 knowledge_base/。适配器不会
自动改写正式知识库。
Idea Generation 不会替用户决定最终执行哪份计划。先列出可执行计划：
.venv/bin/python src/idea_provenance.py list \
--forge-file data/idea_forge/forge_YYYYMMDD_HHMM.json再把选中的计划导出到 data/ideas/：
.venv/bin/python src/idea_provenance.py export \
--forge-file data/idea_forge/forge_YYYYMMDD_HHMM.json \
--result-index 1 \
--plan-index 1 \
--output data/ideas/my_experiment.txt两个 index 都从 1 开始。导出的文件会记录 Forge 文件校验值、种子序号、计划序号和使用的知识方向，供后续实验与看板追踪。
90 天模式、断点续跑和待处理种子
运行约 90 天范围的采集：
touch trigger_3month.txt
.venv/bin/python idea_generation.py触发文件会在任务开始后自动删除。
Forge 每完成一个种子都会原子保存。设置固定 checkpoint 后，用同一路径重新启动会跳过已经完成的种子：
export AR_FORGE_CHECKPOINT=data/idea_forge/my_forge_checkpoint.json
.venv/bin/python idea_generation.py运行中可以修改 config/providers.local.json 里的 execution.max_concurrency；下一批独立任务会读取新值，已经发出的请求不会中断。
如果种子已写入 data/pending_forge_seeds.json，只想补跑 Forge 而不重新联网采集：
.venv/bin/python run_pending_forge.py已有自己的 Idea 时可以直接从这里开始。执行流程位于 ar-runtime/，由官方 Claude Code CLI 运行，会把一个 Idea 推进为可恢复的实验项目。
除 Python 环境外，还需要：
- Bun 1.3+
- Node.js（
bun install的安装脚本会调用node） - Conda 或其他适合实验的 Python 环境工具
- 实验所需的 CPU / GPU、数据和磁盘空间
- Ralph Loop 插件，用于工作流自动续跑
安装依赖：
cd ar-runtime
bun install --frozen-lockfile
cd ..如果 bun 已安装在 ~/.bun/bin 但命令找不到，把下面一行加入 shell 配置后重新连接：
export PATH="$HOME/.bun/bin:$PATH"先从安全模板创建本机设置，再把统一 provider 配置投影给执行主循环：
test -f ar-runtime/.claude/settings.local.json || \
cp ar-runtime/.claude/settings.local.example.json \
ar-runtime/.claude/settings.local.json
set -a
. ./.env
set +a
.venv/bin/python scripts/render_env.py
.venv/bin/python scripts/preflight.py --live --toolsar-runtime/.claude/settings.local.json 被 Git 忽略。投影只负责 Claude Code 主循环；
reviewer 和 critic MCP 直接按角色读取统一 JSON，不再维护各自的 provider 环境变量。
最后一条会额外验证两轮工具调用，能够发现“单轮模型请求正常，但多 Agent 工具消息不兼容”的问题。
Idea 可以来自两处：
- Idea 生成流程导出的
data/ideas/*.txt。 - 你自己编写的文本或 Markdown 文件。
建议至少写清楚研究假设、可用数据、成功指标，以及算力和时间限制。最简单的路径是：
data/ideas/my_experiment.txt
b_id 必须能由 src/idea_forge/b_library.py 解析；拼错或知识文件不存在会在初始化或生成看板时明确失败。Forge 导出的文件会自动带这段元数据，不要手工重写它。
当前 Alpha 入口会授予 Claude Code 较宽的工具权限。只在隔离且可丢弃的任务环境中运行， 不要挂载宿主 Home、SSH Agent、云凭证、客户数据或其他项目目录。
安装并启动官方 Claude Code CLI：
cd ar-runtime
claude --dangerously-skip-permissions如果启动后提示 Ralph Loop 不可用，先通过 Claude Code 的 /plugin 管理界面安装并启用
ralph-loop@claude-plugins-official。
进入 Claude Code 后运行：
/ar-coordinator ../data/ideas/my_experiment.txt ../data/projects/my_experiment
非交互式运行推荐经 supervisor 启动。它会回收进程组、按预算重启终态 API 错误，并为每次 attempt 保存 manifest：
cd ar-runtime
scripts/ar-supervisor.sh \
../data/ideas/my_experiment.txt \
../data/projects/my_experiment| 阶段 | 主要动作 |
|---|---|
| 初始化与规划 | 固化 Idea 来源，创建项目状态，生成并审查实验计划 |
| 预实验 | 编写代码、审查实现，用较小规模验证方法是否可行 |
| 放大或停止 | 根据预实验结果决定进入主实验、修订方案或保留负结果结束 |
| 主实验与分析 | 运行正式实验，整理指标、日志、失败原因和关键发现 |
| 独立评审 | Critic 挑战结论，Blind Review 在无自评上下文下再次审查 |
| 收尾或迭代 | 满足结束条件后收尾；仍有明确问题时追加下一轮工作单元 |
每次只推进可落盘的工作单元。会话中断后，再次使用同一个 Idea 和项目目录即可继续：
/ar-coordinator ../data/ideas/my_experiment.txt ../data/projects/my_experiment 继续工作流
只有队列完成并通过收尾条件时，Coordinator 才会输出：
<promise>AUTORESEARCH_DONE</promise>每个项目保存在 data/projects/<project_name>/：
| 文件或目录 | 内容 |
|---|---|
idea.md、idea_provenance.json |
固化的 Idea 正文与来源 |
plan.md |
实验计划、指标和成功标准 |
workflow_queue.json、state.md |
可恢复任务队列与当前状态 |
decisions.log |
追加式决策记录 |
code/ |
实验代码 |
review.md |
计划与代码审查 |
results/ |
运行日志、指标和结果摘要 |
| Critic 与 Blind Review 文件 | 最终独立评审 |
生成单项目看板：
.venv/bin/python src/generate_project_dashboard.py my_experiment生成全部项目总览：
.venv/bin/python src/generate_project_dashboard.py --all先做一次 GPU 冒烟验证
显卡就位后，可以先运行仓库自带的矩阵乘法 Idea，确认执行链路确实使用 GPU：
cd ar-runtime
claude --dangerously-skip-permissions \
-p "/ar-coordinator ../examples/idea_gpu_smoke.txt ../data/projects/gpu_smoke"它用于区分环境问题和研究 Idea 本身的问题，不代表真实实验的算力需求。
AutoResearch 的模型配置只有一个入口：config/providers.local.json。Python 管线、preflight、reviewer MCP 和 critic MCP 都读取这同一份配置；真实 Key 只放在 .env。
角色大致分为三组：
| 阶段 | 角色 | 作用 | 模型要求 |
|---|---|---|---|
░ Idea 信号筛选 |
screener |
快速初筛联网研究信号 | 单模型 |
judge |
深入研判候选信号的研究价值 | 单模型 | |
consensus_checker |
检查多次研判是否真正一致 | 单模型 | |
▒ Idea 生成与验证 |
ideator |
基于领域交叉独立构思 Idea，并交叉评审 | 至少 3 个不同模型 |
planner |
把通过验证的 Idea 写成实验计划 | 单模型 | |
freshness_refresher |
用较新的模型、数据集和基线刷新方案 | 单模型 | |
▓ Idea 执行 |
agent |
驱动协调、规划、编码和实验主循环 | 单模型 |
code_reviewer |
审查实验计划与代码 | 单模型 | |
critic + 可选的 critic_secondary |
完成终止前质疑与无记忆盲审 | 主角色 1 个模型；启用次角色后共 2 个不同模型 | |
run_monitor |
把长时间运行日志压缩为进度摘要 | 可选；启用时单模型 |
模型代称由用户定义。下面只展示角色映射的写法，不能用它覆盖整个配置文件；这些名称还需要在同一 JSON 的 models 中声明：
{
"request_defaults": {"max_tokens": 8192},
"roles": {
"screener": {"models": ["gemini-3.1-flash-lite"]},
"judge": {"models": ["gpt-5.5"]},
"consensus_checker": {"models": ["gpt-5.5"]},
"ideator": {
"models": ["claude-opus-4.8", "gemini-3.1-pro", "gpt-5.5"]
},
"planner": {"models": ["claude-opus-4.8"]},
"freshness_refresher": {"models": ["gpt-5.5"]},
"agent": {"models": ["claude-opus-4.8"]},
"code_reviewer": {"models": ["gemini-3.1-pro"]},
"critic": {"models": ["gpt-5.5"]},
"critic_secondary": {"_optional": true, "models": ["gemini-3.1-pro"]},
"run_monitor": {"models": ["gemini-3.1-flash-lite"]}
}
}配置规则：
- 普通角色一次使用一个模型；候选列表从左到右尝试可用模型。
ideator会实际调用全部席位，至少需要三个不同模型。critic必须可用；critic_secondary没有可用 route 或凭据时会明确跳过。critic_secondary启用后必须通过真实调用，并解析为与critic不同的模型。- 同一模型换别名或换 endpoint 仍只算一个；不同模型可以共用同一个 API endpoint。
- 每个 endpoint 默认对临时网络错误、
429和5xx做三次总尝试。 request_defaults.max_tokens控制业务模型调用的默认输出上限。execution.max_concurrency控制 Idea Forge 同时发出的模型请求数，默认值为3。AR_LLM_TIMEOUT控制单次模型请求超时，默认值为900秒。
完整 endpoint、模型和 route 配置见 统一 Provider 配置。
不需要。普通角色可以共用同一个模型；Idea Forge 需要三个不同模型，两个 Critic 也需要不同模型。它们可以来自同一服务商或同一个兼容 endpoint。
不需要。把自己的 Idea 写入 data/ideas/，直接运行第三节的 Coordinator 即可。
Idea 生成可以在 CPU 机器运行。Idea 执行是否需要 GPU 取决于具体实验；流程会先做预实验，适合较早发现资源不匹配。
外部网站可能限制地区、频率或出口 IP。在中国大陆等网络环境中可能需要代理；单个采集渠道失败时，流程会记录、跳过该渠道并继续。
调用量会随种子数、知识方向数和 Ideator 席位数增长，交叉评审还会再次调用全部席位。建议先用少量知识方向和默认并发验证，再逐步扩大。
idea_generation.py 领域交叉 Idea 生成入口
src/ 采集、筛选、模型路由和 Idea Forge
config/providers.example.json 统一角色与 Provider 配置模板
knowledge_base/ 本地领域知识库
data/ideas/ 准备执行的 Idea
data/projects/ 实验项目、状态和结果
ar-runtime/ 有状态多 Agent 执行运行时
scripts/ 环境、自检和配置工具
进阶文档：
AutoResearch - automated research idea generation and execution
Copyright (C) 2026 the AutoResearch contributors
This program is free software: you can redistribute it and/or modify
it under the terms of the GNU Affero General Public License as published by
the Free Software Foundation, either version 3 of the License, or
(at your option) any later version.
This program is distributed in the hope that it will be useful,
but WITHOUT ANY WARRANTY; without even the implied warranty of
MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the
GNU Affero General Public License for more details.
You should have received a copy of the GNU Affero General Public License
along with this program. If not, see <https://www.gnu.org/licenses/>.
AutoResearch 自首次发布起即按 AGPL-3.0-or-later 授权。LICENSE 保持自由软件基金会发布的
AGPL-3.0 原文，项目署名声明按许可证的应用说明放在 README 中。
上面这段声明覆盖本仓全部自有代码。版权归各贡献者所有，本仓不主张由单一主体持有整份作品。 本仓通过 requirements 文件和 lockfile 声明外部依赖，不包含这些第三方项目的源码。安装依赖 或调用外部服务时，适用对应项目和服务自己的许可与条款。