ARIS 开源：基于 Claude Code 的全自动科研与论文工作流

• 调研全景（最新论文、开放问题、反复出现的局限性）
• 头脑风暴8-12 个具体 idea（GPT-5.4 xhigh）
• 初筛可行性、算力成本、快速查新
• 深度验证top idea（完整查新 + devil's advocate review）
• 并行 pilot 实验（top 2-3 个 idea 分别上不同 GPU，30 分钟 - 2 小时）
• 按实验信号排序——有正信号的 idea 排前面

输出 IDEA_REPORT.md：含假设、pilot 结果、审稿人可能的质疑、建议执行顺序。失败的 idea 也记录在案，避免重复踩坑。

涉及 Skills： research-lit + idea-creator + novelty-check + research-review

💡 一键调用：/idea-discovery "你的研究方向" 自动跑完整个工作流 1。

⚙️ Pilot 实验预算（最大时长、超时、GPU 总预算）均可配置——见自定义部分。

2. 自动科研循环 (/auto-review-loop)

这是最接近'睡后科研'的功能。外部 LLM 评审 → Claude Code 实现修复 → /run-experiment 部署 → 收结果 → 再评审 → 循环。

关键安全机制：

• MAX_ROUNDS = 4 — 防止无限循环；达到分数阈值时提前停止
• > 4 GPU-hour 的实验自动跳过 — 不会启动超大实验，标记为'需人工跟进'
• 优先改叙事而非跑新实验 — 同样能解决问题时，选择成本更低的路径
• 不隐藏弱点 — 明确规则：'不要隐藏弱点来骗高分'
• 先修后审 — 必须实现修复后再重新 review，不能只承诺修
• 上下文压缩恢复 — 每轮结束后持久化状态到 REVIEW_STATE.json。如果上下文窗口满了触发自动 compact，工作流会从状态文件恢复断点继续

用法示例：

> /auto-review-loop 我的 diffusion model 论文

3. 论文写作流水线 (/paper-writing)

把你的研究报告变成可投稿的 PDF。需要本地 LaTeX 环境。

**输入：**一份 NARRATIVE_REPORT.md，描述研究内容：声明、实验、结果、图表。叙事越详细（尤其是图表描述和定量结果），输出越好。

**输出：**一个可投稿的 paper/ 目录，含 LaTeX 源码、干净的 .bib（仅含实际引用）、编译好的 PDF。

典型流程：

1. 写 NARRATIVE_REPORT.md（来自工作流 2 的结果）
2. /paper-plan — 生成 claims-evidence 矩阵 + 分节计划
3. /paper-figure — 生成对比表、训练曲线等图表
4. /paper-write — 逐 section 生成 LaTeX（含 bib 清理、de-AI 打磨）
5. /paper-compile — 编译 PDF、修复错误、页数验证
6. /auto-paper-improvement-loop — 内容审稿 ×2 + 格式合规检查

核心特性：

• Claims-Evidence 矩阵 — 每个声明映射到证据，每个实验支撑一个声明
• 自动图表生成 — 从 JSON 数据生成折线图、柱状图、对比表
• Bib 自动清理 — 过滤未引用条目（实测 948→215 行）
• De-AI 打磨 — 去除 AI 写作痕迹（delve、pivotal、landscape…）
• 精确页数验证 — 基于 pdftotext 定位 Conclusion 结束位置

⚠️ /paper-figure 能做什么、不能做什么：能自动生成数据驱动的图表（训练曲线、柱状图、热力图）和 LaTeX 对比表（从 JSON/CSV 数据）。不能生成架构图、流程图、模型示意图、生成样本网格——这些需要手动创建（draw.io、Figma、TikZ 等），放到 figures/ 目录后再跑 /paper-write。

进阶玩法：深度自定义

系统所有的 skills 均为标准 markdown 文件，为二次开发留足了空间。开发者可自由修改底层参数或替换模型底座。

• 迭代阈值：默认最多执行 4 轮 review（MAX_ROUNDS），论文得分达 6/10（POSITIVE_THRESHOLD）即自动停止。
• 算力熔断：预估耗时超 4 小时的实验自动跳过转人工；单次 idea 测试支持灵活设置超时限制与 GPU 总预算。
• 流程审批：通过 AUTO_PROCEED 参数可一键切换'全自动跑通'或'步步人工审批'模式。
• 本地文献库复用：指定 PAPER_LIBRARY 路径后，系统在联网检索前会优先扫描并阅读本地已有 PDF。
• 平替模型底座：原生支持免 Claude/OpenAI API 方案。例如通过修改配置文件，可无缝切换为 GLM-5（执行）+ MiniMax-M2.5（评审）的双模博弈架构。

结语

据作者介绍，目前这套工具已经能跑通从找 idea 到产出论文 PDF 的全流程。接下来的规划更看重生态集成，比如引入多模态反馈和更顺手的办公流自动化，以及对接 W&B 读取训练曲线。

⚠️ 重要提醒：这些工具加速科研，但不能替代你自己的思考。生成的 idea 一定要用你的领域知识审视，质疑其假设，最终决策权在你手上。最好的研究 = 人的洞察 + AI 的执行力，而不是全自动流水线。

目前该项目已在 GitHub 完全开源。感兴趣的同学可以访问项目主页获取详细配置，用手头的 idea 跑一轮试试效果。