开发与工程 markdown-skills ml-research cross-model-review codex-cli anti-autoresearch research-automation

ARIS ⚔️🌙 自动研究入睡

纯 Markdown 技能库，用跨模型评审循环实现自动化 ML 研究（想法发现、实验、写作），零框架、零锁定。

源仓库: wanshuiyin/Auto-claude-code-research-in-sleep
Star 数: ★ 18k
最近更新: 今天
License: MIT
主语言: Python
FA 评分: 45/100 · 缺口较多

30 秒速览

运行形态: Agent 插件 / 技能命令行工具
可在哪里用: 通用 · 跨平台ChatGPT · Codex · Claude Code
费用: 软件免费，模型调用费用自付
上手难度: 中 · 需要几步配置
开始前需要: Claude CodeCodex CLIOpenAI/Anthropic API 或订阅Shell / 命令行网络访问本地文件系统MCP Server
典型场景: 一位 ML 研究员，想要在夜间自动生成研究想法、运行实验并起草论文，醒来时能看到已评分的论文。
不适合: 只想用单一模型、不需要跨模型对抗审查的用户
不愿配置 SKILL.md 兼容运行时（Claude Code / Codex CLI 等）的人
源码审查: 45/100 · 缺口较多

这个 Agent 能做什么，适合哪些场景？

ARIS 是一个轻量级、纯 Markdown 的技能集合，用于自主 ML 研究。它编排跨模型协作：Claude Code 驱动研究，外部 LLM（通过 Codex MCP）作为关键评审者。其核心方法是对抗性评审循环，避免单一模型自我审视的盲区。整个技能层是可移植的，可在 Claude Code、Codex CLI、Cursor、Trae、Antigravity 和 GitHub Copilot CLI 中使用。它已打包为独立的 ARIS-Code CLI（Rust），提供 REPL、MCP 工具分发、无 API 密钥的跨模型评审以及可捆绑的技能。仓库包含 81 个技能、12 条命名工作流以及扩展工具，如 Anti-Autoresearch 完整性取证和 ARIS-Movie-Director。许可证为 MIT。

它以纯 Markdown 形式提供一系列技能，每个技能定义了一个自主研究步骤：想法生成（/research-idea）、文献综述（/research-lit）、论文写作（/paper-writing）、实验设计（/experiment-bridge）和提交后任务，如生成幻灯片（/paper-slides）和反驳（/rebuttal）。核心机制是跨模型评审：Claude Code 执行，而另一个模型（通过 Codex MCP 或 LLM API）审查输出。技能可组合成管道，例如 /research-pipeline，它接受一个研究方向、读取参考论文、克隆仓库、生成想法、运行实验并撰写论文。独立的 ARIS-Code CLI 提供 REPL（/plan 模式、/tasks 持久跟踪）、工具调用、MCP 服务器集成以及包含技能捆绑的自动设置。它还包括 Research Wiki，用于跨会话持久化笔记、想法和实验。

一位 ML 研究员，想要在夜间自动生成研究想法、运行实验并起草论文，醒来时能看到已评分的论文。
一位研究生，手头有论文草稿和评论，需要生成结构化的反驳，满足字符限制，并带有防捏造保障。
一位研究员，拥有代码库和想法，希望使用 /research-pipeline 自动化改进方法的完整流程。
一个团队，想要利用跨模型对抗评审，避免单一模型自我审视的盲区，选择 Claude + Codex 或 Claude + 其他模型。
一位开发者，想要将相同的技能工作流带到非 Claude 环境：Codex CLI、Cursor、Trae 或其他与 SKILL.md 兼容的代理。
一位教师或作者，想要使用 /render-html 协作撰写教学材料或结构化文档，生成带有交叉评审的 HTML。

如何安装或部署这个 Agent？

有几种安装方式：

轻量技能：将仓库克隆到本地，然后运行 bash tools/install_skills.sh（或适用于您的代理的相关安装脚本，如 install_skills_codex.sh）。安装程序将技能复制到 ~/.claude/skills 或 ~/.config/codex/skills。
独立 CLI：从 releases 下载最新版本的 ARIS-Code 二进制，或从源码（需要 Rust）构建。运行 aris setup 配置提供者和模型。
使用 Homebrew：brew tap wanshuiyin/aris && brew install aris？实际上，源码仅记录安装方法：释出的二进制和 tools/install_skills.sh。请参阅 repo 文档获取准确说明。

如何使用这个 Agent？

对于技能：在 Claude Code 中启动，使用 /research-pipeline "研究方向" 启动完整管道，或使用 /research-idea、/research-lit、/paper-writing 等独立技能。跨模型评审需要配置第二个模型：通过 aris setup（选项：Codex MCP 使用 ChatGPT 订阅，无 API 密钥）或使用 OpenAI/Anthropic API 密钥。对于 ARIS-Code CLI：运行 aris "你的提示"，或 aris 启动 REPL。使用 /plan 进行规划，/tasks 跟踪任务，/research-wiki 持久记忆。

这个 Agent 有哪些优点和局限？

优点

跨模型评审打破自我审视盲区：使用两个模型（速度和严谨度）能产生更好的结果，而非单一模型
完全可移植：纯 Markdown SKILL.md 可以在 Claude Code、Codex CLI、Cursor、Trae、Copilot CLI 等之间移动，零锁定
自带争议安全护栏：/rebuttal 具有防捏造、防过度承诺和完全覆盖门
无 API 密钥跨模型评审：通过 Codex MCP 和 ChatGPT 订阅，您无需 OpenAI API 密钥即可拥有评审者（或仅使用替代模型如 Kimi、DeepSeek）
活跃的开发具有透明度：详细变更日志，引用真实用户问题，定期发布

局限

陡峭的学习曲线：多个工作流、技能和配置选项，对初学者可能不知所措
依赖外部模型 API：确保可靠性需要 API 凭证或多个提供商；成本可能因计划而异
与任何 AI 工具一样可能存在幻觉：尽管有保障，输出需要人工验证，尤其对于至关重要的研究
需要兼容的代理运行时：虽然不是锁定，但需要 SKILL.md 兼容的代理，如 Claude Code 或 Codex CLI

这个 Agent 与同类方案有什么区别？

它与 Anthropic 的 Claude Science skills 和 OpenAI 的 Codex CLI 原生技能进行比较。它鼓励在 Codex CLI 中使用，而不是 Claude Code，以实现更大的模型灵活性。它将自己与“ChatGPT 无人驾驶研究”等商业工具区分开来，强调了无锁定的方法。

与相关度最高的同类 agent 并排比较关键指标。

Agent	源码审查	形态 / 费用	Star	最近更新	主语言	完整支持的平台
ARIS ⚔️🌙 自动研究入睡当前	45 · 缺口较多	Agent 插件 / 技能免费 + 模型费	★ 18k	今天	Python	ChatGPT · Codex · Claude Code
oh-my-agent 多智能体开发框架	48 · 缺口较多	命令行工具免费 + 模型费	★ 1.3k	今天	TypeScript	Codex · Claude Code
Pilot Shell	53 · 缺口较多	命令行工具付费	★ 2.1k	6 天前	JavaScript	Claude Code
NotebookLM Python 自动化套件	81 · 表现良好	命令行工具免费 + 模型费	★ 20k	3 天前	Python	Codex · Claude Code · Claude.ai

FollowAgents 如何评估这个 Agent？

FollowAgents 源码审查 · FARS-2.1

缺口较多

45/ 100 五分制 2.3 / 5

本评测基于 2026年8月9日的源码；此后该项目发布了 7 个正式版本，尚未复审。分数与结论只代表评测时的版本。最近版本 ↓

信任安全 10/29

可靠稳定 6/14

适用触发 9/18

规范维护 10/18

有效结果 7/13

证据核验 3/8

查看各维度的扣分理由

信任安全10 / 29 · 1.7/5

证据显示仓库包含多个组件（如 llm-chat、feishu-bridge）需要 API 密钥和网络访问，但未明确说明权限最小化或用户确认机制。数据流透明度有限，敏感数据处理（如 API 密钥）有提及但未详细说明。依赖安全性未充分评估，外部影响（如网络调用）存在但未明确控制。回滚机制未提及。来源归属部分明确（如 MIT 许可证、作者信息），但未验证。

可靠稳定6 / 14 · 2.1/5

仓库内部一致性较好，README 与代码结构基本一致，但依赖可用性未明确（如需要外部 API 密钥）。失败消息有部分示例（如错误处理），但不够全面。

适用触发9 / 18 · 2.5/5

目标受众明确（AI 研究人员、开发者），场景多样（研究自动化、面试准备等）。能力边界部分说明（如技能列表），但触发精度（如技能触发条件）未详细说明。环境适配性较好（支持多种 CLI 和操作系统）。

规范维护10 / 18 · 2.8/5

信息架构清晰（README、docs、skills 目录），安装说明存在（如 ARIS-Code CLI 安装），命名稳定性一般（版本号频繁更新），示例和 FAQ 有提供，已知限制部分提及（如输出折叠），许可证明确（MIT），版本变更日志详细，维护责任部分明确（作者和贡献者）。

有效结果7 / 13 · 2.7/5

输出可用性较好（如生成报告、HTML 等），边际价值较高（自动化研究流程），成本效益未充分评估（如 API 成本）。

证据核验3 / 8 · 1.9/5

声明可追溯性一般（如技术报告链接），跨来源佐证有限（如外部推荐），事实与推断分离不明确。

风险与缓解建议

仓库包含需要 API 密钥的组件，请确保密钥安全存储，避免泄露。
依赖外部服务（如 OpenAI、Feishu），使用时请注意网络和成本。
版本更新频繁，请关注变更日志以了解行为变化。

证据充分度：低评估于 2026年8月9日审查版本 e3aa6f83b09d 评估后仓库已有新提交，评分可能未覆盖最新改动

评估证据 README.md LICENSE workflows/check-skills-inventory.yml workflows/lint-skills-helpers.yml tests/_feishu_bridge_helpers.py tests/_llm_chat_helpers.py

查看完整评分方法 →

常见问题

使用 ARIS 的成本是多少？

技能本身是免费的（MIT），但您需要模型访问：Claude 通过 API 或订阅，GPT 通过 OpenAI API 或 ChatGPT 订阅（通过 Codex MCP）。ARIS 支持多种模型，因此您可以选择成本最低的选项。

在什么权限下 ARIS 运行？

它作为本地技能或 CLI 运行，可以访问您的文件系统、shell 和网络，由您配置。对于 CLI，有一个批准模式（PermissionMode::Prompt）默认会提示批准，尽管早期版本在提示模式下错误地允许一切（已在 v0.4.6 中修复）。当使用 MCP 工具时，您必须批准。

ARIS 如何处理故障和错误？

它包含重试逻辑、流式超时、MCP 协议版本验证以及复现测试。它还有防止生成虚假结果的护栏，并使用跨模型评审来捕捉错误。但是，与任何自动化系统一样，您应该验证关键输出。

ARIS 是针对一般写作还是仅针对研究？

虽然专注于研究，但已扩展到非学术研究（ARIS-Anything）和教学（ARIS-in-AI-Offer）。核心方法（计划-起草-审查-迭代-保留）是通用的，可用于投资、法律和其他领域。

ARIS ⚔️🌙 自动研究入睡

30 秒速览

这个 Agent 能做什么，适合哪些场景？

如何安装或部署这个 Agent？

如何使用这个 Agent？

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

FollowAgents 如何评估这个 Agent？

最近版本

常见问题

对比同类 Agent

开源编程 Agent 横向对比

Claude Code Agent 横向对比

相关 Agents

oh-my-agent 多智能体开发框架

Pilot Shell

NotebookLM Python 自动化套件

nWave