Research Claw
自托管的 AI 科研助手:管理论文项目、检索文献、追踪截稿日期,在你已有的聊天渠道上直接对话完成写作与编译。
- Star 数
- ★ 138
- 最近更新
- 5 个月前
- License
- MIT
- 主语言
- Python
- FA 评分
- 58/100 · 缺口较多
30 秒速览
- 可在哪里用
- 通用 · 跨平台OpenAI API · Claude API
- 开始前需要
- 典型场景
- 独立研究者想在一个对话入口完成文献调研、初稿撰写和 LaTeX 编译,不再在编辑器、Overleaf 和搜索引擎之间来回切换。
- 主要局限
- 不支持原生 Windows:依赖 POSIX 信号与进程管理,Windows 用户必须安装并配置 WSL2,还有跨文件系统的性能坑。
- 维护状态
- 近半年有提交最近提交 2026-06-08
- 源码审查
- 58/100 · 缺口较多
这个 Agent 能做什么,适合哪些场景?
Research Claw(仓库 nanoAgentTeam/research-claw)是一个跑在自己机器上的个人 AI 科研助手,MIT 协议开源,基于 Python 3.11+。它以 CLI 和网关(Gateway)两种方式运行:CLI 直接在终端交互,Gateway 启动 Web UI(默认端口 18790)并同时接入飞书、Telegram、QQ、钉钉等 IM 渠道,无需公网 IP。核心组件包括 AgentLoop 主代理、CommandRouter、ContextManager、40+ 工具的 ToolRegistry,以及运行在隔离沙箱中的子代理(Sub-Agents)。它管理 LaTeX 项目并支持与 Overleaf 双向同步,所有 AI 修改自动提交到 Git,可随时回滚。文献检索集成 arXiv、PubMed、OpenAlex,自动化雷达任务(每日扫描、周报、截稿日监控)通过 APScheduler 定时执行并推送到指定渠道。LLM 侧接受任何 OpenAI 兼容 API(GPT、DeepSeek、Qwen、Claude 等),可在 Web UI 中热切换。
Research Claw 通过聊天读取和改写 .tex / .bib 文件,一条命令完成 LaTeX 编译并自动诊断报错。/sync pull 与 /sync push 实现本地项目与 Overleaf 的双向同步,/git 进入交互式 Git 模式做历史、diff 和回滚,每次 AI 修改自动 commit。/task 将复杂目标分解为五阶段流水线(UNDERSTAND → PROPOSE → PLAN → EXECUTE → FINALIZE),构建任务 DAG 并由子代理在隔离 overlay 目录中并行执行,输出经合并后才写入项目核心。文献工具调用 arXiv、PubMed、OpenAlex 并可全文阅读 PDF。自动化部分由 Gateway 启动 APScheduler,按 cron 表达式触发 Daily Scan、Deadline Watch、Weekly Digest 等雷达任务,结果推送至 Telegram、飞书、钉钉、Email 或任意 Apprise 渠道。项目级记忆跨会话保留,超限上下文自动摘要。内置 NeurIPS、ICML、ICLR、AAAI、ACL、CVPR 等会议的写作技能(Skills),可在 config/.skills/ 下自定义扩展。
- 独立研究者想在一个对话入口完成文献调研、初稿撰写和 LaTeX 编译,不再在编辑器、Overleaf 和搜索引擎之间来回切换。
- 与导师或合作者通过 Overleaf 协作写论文的作者,希望 AI 的每次修改都能推送上去、合作者的改动也能拉回本地。
- 需要跟踪多个会议截稿日期和领域新论文的研究组,用 Daily Scan、Deadline Watch 和 Weekly Digest 自动推送提醒。
- 面对多步骤写作目标(如写一篇综述)的用户,用 /task 让子代理并行分工——检索者搜文献、写手起草章节——最后合并提交。
- 已在用飞书、Telegram 或钉钉的用户,把科研助手接入现有 IM,在手机上随时提问和触发任务。
- 希望所有代码、论文和会话数据留在自己机器上的用户,以自托管方式运行,不依赖厂商云。
安装与配置要点
摘自下方的安装和使用说明,以项目 README 的最新说明为准。
- 安装 / 启动命令
pip install -r requirements.txt
- 配置文件
settings.json- 运行环境
- Python 3.11+
- 安装说明涉及
- Windows · Linux · WSL
如何安装或部署这个 Agent?
需要 Python 3.11+、Git 和 LaTeX 工具链;Windows 用户必须通过 WSL2 运行(项目依赖 POSIX 特性,不原生支持 Windows)。建议将代码放在 WSL 的 Linux 文件系统(如 ~/)而非 /mnt/c/ 下以获得接近原生的 IO 性能。
git clone https://github.com/nanoAgentTeam/research-claw.git
cd research-claw
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt如需 Overleaf 双向同步,运行登录命令(可选 Overleaf 官方实例,需安装 overleaf-sync;或 CSTCloud 实例),生成 .olauth 后系统会自动检测:
python cli/main.py login浏览器自动化工具 browser_use 为可选功能,需要 Chromium:
sudo apt install -y chromium-browser首次配置在 Web UI 中完成:添加 LLM 提供商(API Key、模型名、base URL,任何 OpenAI 兼容 API 均可),可选地添加 IM 机器人凭据和推送订阅。所有设置保存在 settings.json。
如何使用这个 Agent?
方式一:CLI 直接交互:
python cli/main.py agent方式二:启动 Gateway,获得 Web UI 和 IM 渠道:
python cli/main.py gateway --port 18790然后在浏览器打开 http://localhost:18790/ui 配置提供商与渠道(WSL2 下端口自动转发,Windows 浏览器可直接访问)。常用命令:/list 列出项目、/switch <name> 切换项目、/compile 编译 LaTeX、/sync pull 与 /sync push 同步 Overleaf、/git 进入交互式 Git 模式、/task <goal> 启动多代理任务流水线(审阅方案后输入 /start 执行,/done 退出)、/resume 恢复失败任务、/reset 清空会话。示例对话流程:先 "Create a paper project \"MoE-Survey\" and link it to Overleaf",再 "Research the latest MoE papers and draft an introduction",最后 "/sync push" 把改动推送到 Overleaf。
这个 Agent 有哪些优点和局限?
- 自托管且模型无关:任何 OpenAI 兼容 API(GPT、DeepSeek、Qwen、Claude 等)可用,可在 Web UI 中热切换提供商,数据留在自己机器上。
- Overleaf 双向同步加自动 Git 提交:AI 的每次修改可推送、可秒级回滚,适合真实的论文协作流程。
- 多代理任务模式将目标分解为 DAG 并行执行,子代理在隔离沙箱工作,输出经合并才写入项目,避免误覆盖。
- 内置科研雷达自动化:Daily Scan、Deadline Watch、Conference Track、Weekly Digest 等定时任务按 cron 运行并推送到现有 IM 渠道。
- 不支持原生 Windows:依赖 POSIX 信号与进程管理,Windows 用户必须安装并配置 WSL2,还有跨文件系统的性能坑。
- 实际可用依赖付费的外部服务:需要自备 LLM API Key,文献检索和 Web 搜索需要配置相应工具 API 密钥。
- 安装链路较长:Python 虚拟环境、LaTeX 工具链、可选的 overleaf-sync 和 Chromium 均需自行准备,非一键安装。
- LaTeX 编译质量依赖本地工具链配置,文档未提供 Docker 等容器化部署路径,环境不一致时排障成本自负。
这个 Agent 与同类方案有什么区别?
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 |
|---|---|---|---|---|---|---|
| Research Claw 当前 | 58 · 缺口较多 | — | ★ 138 | 5 个月前 | Python | OpenAI API · Claude API |
| PocketPaw | 44 · 缺口较多 | 桌面应用免费 + 模型费 | ★ 935 | 3 天前 | Python | Codex · OpenAI API · Claude API |
| Sapphire Blue AI | 69 · 存在缺口 | 网页应用免费 + 模型费 | ★ 336 | 14 天前 | Python | OpenAI API · Claude API |
| NextClaw | 61 · 存在缺口 | 桌面应用免费 + 模型费 | ★ 264 | 1 天前 | TypeScript | Codex · Claude Code |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
技能文件用 allowed-tools 白名单限定工具,子代理在隔离 overlay 中工作、合并后才触碰 core,CLAUDE.md 强调防路径穿越,权限设计较好;但任务模式需 /start 确认是加分,而计划任务(cron radar)自动创建并主动向 Telegram/Feishu/邮件推送、AI 编辑自动 push Overleaf 属自动化外部副作用,推送内容的用户确认机制未在样例文件中展示;API key、IM 凭据明文存 settings.json,未提及加密;requirements.txt 全部为宽松下限且 browser-use、pyoverleaf 完全未钉版本,无依赖审计;回滚靠每步自动 Git commit 与 /git 交互回滚,证据充分。LICENSE 版权方写 'ContextBot Contributors',与 nanoAgentTeam/research-claw 不一致,归属可信度打折扣。
CLI 对缺失依赖、登录失败有明确错误提示并给出安装命令,IM handler 对发送失败有日志与兜底回复;但命名自相矛盾(包名 open-research-claw、LICENSE 的 ContextBot、CLI app 名 open_research_claw vs 品牌 Research Claw),样例 QQ/DingTalk 渠道代码只是 ping/echo 演示,与 README 'full channel support' 宣称不一致,扣分。依赖可用性方面可选依赖(overleaf-sync、PySide6)有检测与提示,处理到位。
受众(自托管科研用户)与场景(写作/编译/检索/推送)描述清晰,双语指南齐全;环境适配出色——WSL2 安装步骤、/mnt/c 性能提示、端口转发、可选 Chromium 都有交代,明确声明不原生支持 Windows。技能触发条件写得具体(提及 AAAI/COLM 等即激活),但'用户提到 X'式触发在多渠道闲聊下误触发风险未讨论;工具可用性按工作空间(Lobby vs Project)分层限定,边界较清楚。
安装文档详尽(含 WSL 全流程)是亮点;架构图、配置参考、命令表、双语指南齐全;MIT 许可证存在且 README 声明一致(但版权主体名称不一致,扣分)。短板:版本 0.1.0 且无 CHANGELOG,命名在 repo/package/产品名/LICENSE 主体四处不一致;已知限制仅提到 Windows 不支持,其余风险(token 消耗、API key 安全、自动化推送误发)未列出;维护责任仅有 contributing 段落,无 SECURITY/维护者/发布流程说明;FAQ 缺失。
输出可用性尚可:任务模式流式进度、/git diff/rollback、编译错误自动诊断都有描述;对目标用户的边际价值明显(整合 Overleaf、文献检索、IM 渠道)。但成本收益未讨论:40+ 工具、docker、browser-use、MarkItDown[all] 等重依赖与 LLM 长会话成本无任何提示,样例测试 timeout_sec=3600 暗示单任务运行时间很长,均未向用户说明。
README 给出两个演示论文的公开链接可部分佐证能力宣称,tests/cases 用 YAML 写明预期工具调用序列与文件产物,可复核;但宣称 '40+ tools'、'demo 真实用户' 等无样例内证据,QQ/DingTalk 渠道样例代码与宣传不符,跨来源印证弱。conference-research 技能明确要求 ≥3 篇论文作证据、区分 Main/Findings/Workshop、禁止仅凭元数据断言,事实与推断区分意识良好,是该项目的加分点。
- API key 与 IM 凭据以明文存于 settings.json,自托管部署请限制文件权限并避免提交到版本库。
- requirements.txt 依赖几乎全部未钉版本(browser-use、pyoverleaf 完全未钉),安装可能引入不兼容或有漏洞的版本,建议锁定后审计再部署。
- 定时 radar 任务会自动运行并向外部渠道推送,Overleaf push 会改写远端项目;启用前确认推送订阅配置,必要时关闭自动创建的 radar 任务。
- 样例 QQ/DingTalk 渠道代码仅为 echo 演示,与 README 渠道宣称不符,生产使用前需自行验证各渠道实际集成度。
- 重依赖(docker、browser-use、MarkItDown[all])与长 LLM 会话成本未提示,注意 token 与资源开销。
常见问题
Research Claw 开源吗?
Research Claw 安全吗?
Research Claw 还在维护吗?
Research Claw 是谁开发的?
谢谢反馈,我们会据此改进页面。