ARIS ⚔️🌙 — Auto-Research-In-Sleep 深度研究报告
一、这是什么？
ARIS 是一个基于 Claude Code 的自定义技能系统，专为机器学习学术研究全流程自动化而设计。核心思路直白得很：让 Claude Code 在你睡觉时跑科研——读论文、出 idea、写代码、跑实验、写论文、改 rebuttal，全套自动。醒来翻阅结果即可。
核心理念就八个字：跨模型对抗协作。
- Claude Code 做执行者（读文件、写代码、跑实验、写论文）
- GPT-5.5（通过 Codex MCP）做评审官（打分、找弱点、建议修复）
- 自己评自己的作业 = 盲区；换一个模型来评 = 真对抗
---
二、核心设计原则
| 原则 | 说明 |
|---|---|
| 极轻量 | 全是 Markdown 文件，无框架、无数据库、无 Docker、无守护进程 |
| 零锁定 | 每个技能是 SKILL.md，任何 LLM 可读，可在 Claude Code、Cursor、Trae、Antigravity 等之间切换 |
| 双模型是最小配置 | 双人博弈收敛效率远高于多人，1→2 的提升最大 |
| 符号链接安装 | 上游更新只要 git pull，无需重新安装 |
三、前置条件
| 组件 | 必需否 | 说明 |
|---|---|---|
| Claude Code | ✅ 必需 | Anthropic 官方 CLI，ARIS 的运行平台 |
| Codex CLI + MCP | ✅ 必需（审稿类技能） | OpenAI 的 CLI，调用 GPT 做跨模型评审 |
| LaTeX | ⚠️ 按需 | 仅工作流 3（论文写作）需要。macOS: brew install --cask mactex && brew install poppler |
| GPU 服务器（SSH） | ⚠️ 按需 | 如需远程跑实验。需配 SSH 免密登录 |
四、安装步骤（步步为营）
4.1 安装 Claude Code
参照 Claude Code 官方文档 安装。
claude --version # 验证
4.2 安装 Codex CLI 并注册 MCP
npm install -g @openai/codex
codex --version # 验证
codex login # 一次性浏览器登录（已登录可跳过）
# 注册为 Claude Code 的 MCP server（名称 "codex" 不能改）
claude mcp add codex -s user -- codex mcp-server
> ⚠️ 注册后需重启 Claude Code。验证：claude mcp list | grep codex
4.3 创建研究项目
mkdir ~/your-paper-project
cd ~/your-paper-project
git init
touch CLAUDE.md
4.4 安装 ARIS Skills（核心步骤）
# 1. 克隆 ARIS 到稳定位置（只需一次）
git clone https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep.git ~/aris_repo
# 2. 在每个项目中安装（通过符号链接）
cd ~/your-paper-project
bash ~/aris_repo/tools/install_aris.sh
# 可选：预览安装计划（不实际执行）
bash ~/aris_repo/tools/install_aris.sh --dry-run
# 可选：卸载
bash ~/aris_repo/tools/install_aris.sh --uninstall
安装后目录结构：
~/your-paper-project/
├── CLAUDE.md ← ARIS 配置块
├── .claude/skills/ ← 技能符号链接
├── .aris/
│ ├── installed-skills.txt ← 安装清单
│ └── tools/ ← → ~/aris_repo/tools/
└── research-wiki/ ← 知识库（稍后初始化）
更新机制：
# 已装技能内容有改动 → 直接 git pull，符号链接自动生效
cd ~/aris_repo && git pull
# 上游新增/删除了技能 → 先 git pull，再重跑安装脚本
cd ~/aris_repo && git pull
cd ~/your-paper-project
bash ~/aris_repo/tools/install_aris.sh
4.5（可选）配置 GPU 服务器
在 CLAUDE.md 末尾添加：
## Remote Server
- gpu: remote
- SSH: `ssh username@your-server-ip` (key-based auth, no password)
- GPU: 8x RTX 4090 (24GB)
- Conda env: `YOUR_ENV` (Python 3.x + PyTorch x.x.x)
- Activate: `eval "$(/path/to/miniconda3/bin/conda shell.bash hook)" && conda activate YOUR_ENV`
- Code directory: `/home/user/experiments/`
- Use `tmux` for background jobs
然后配 SSH 免密：
ssh-keygen -t ed25519 # 若无密钥则生成
ssh-copy-id username@your-server-ip
ssh username@your-server-ip "echo ok" # 验证
4.6 初始化 Research Wiki
在 Claude Code 中输入：
/research-wiki init
这会创建 research-wiki/ 目录，包含 papers/、ideas/、experiments/、claims/ 等子目录，后续所有技能自动往里写入，无需手动维护。
4.7 验证安装
重启 Claude Code，逐一测试：
# 测试 MCP 联通
用 codex MCP 问一下 GPT：1+1 等于几
# 测试技能识别（会自动将论文写入 research-wiki）
/alphaxiv https://arxiv.org/abs/1706.03762
---
五、六大工作流速览
| 工作流 | 入口命令 | 做什么 |
|---|---|---|
| W1 Idea 发现 | /idea-discovery "研究方向" | 文献调研 → 头脑风暴 → 查新 → 排名报告 |
| W1.5 实验桥接 | /experiment-bridge | 解析计划 → 写代码 → 审查 → GPU 部署 → 收结果 |
| W2 自动审稿循环 | /auto-review-loop "范围" | GPT 审稿 → 定位弱点 → Claude 修复 → 再评审（4 轮） |
| W3 论文写作 | /paper-writing "NARRATIVE_REPORT.md" | 规划 → 图表 → LaTeX 撰写 → 编译 → 润色 |
| W4 Rebuttal | /rebuttal "paper/ + reviews" -- venue: ICML | 解析审稿意见 → 策略 → 起草 → 压力测试 |
| W5 重新投稿 | /resubmit-pipeline "paper/" -- venue: NeurIPS | 跨会议纯文本转换（不加新实验） |
| W6 演讲准备 | /paper-talk "paper/" -- venue: ICLR | Beamer + PPTX + 讲稿 + Q&A |
/research-pipeline "factorized gap in discrete diffusion LMs"
---
六、关键参数清单
所有技能支持 — key: value 内联参数：
| 参数 | 默认值 | 说明 |
|---|---|---|
effort | balanced | 强度：lite / balanced / max / beast |
assurance | draft | 审计严格度：draft / polished / conference-ready / submission |
venue | ICLR | 目标会议 |
reviewer | codex | 审稿后端：codex / oracle-pro / manual |
difficulty | medium | 审稿对抗强度：medium / hard / nightmare |
human checkpoint | false | 每轮是否暂停等人工确认 |
sources | all | 文献源：zotero / obsidian / web / deepxiv 等 |
七、Windows 用户注意事项
步子哥，你当前用的是 Windows，需特别留意：
1. 主安装脚本 install_aris.sh 是 Bash 脚本，macOS/Linux 原生可用。Windows 下需通过 Git Bash 或 WSL 运行。
2. 项目提供了 Windows PowerShell 安装脚本：tools/install_aris.ps1
.\tools\install_aris.ps1 C:\path\to\your-paper-project
3. Claude Code 不支持 Windows 原生——需要 WSL2。官方推荐在 WSL2 中安装 Claude Code 和所有依赖。
4. 推荐做法：WSL2 中操作——克隆仓库、安装 Claude Code、Codex CLI，全部在 WSL2 的 Linux 环境中完成，与 macOS 用户流程一致。
---
八、79 个技能速览
| 类别 | 代表性技能 |
|---|---|
| 文献查新 | research-lit, deepxiv, gemini-search, openalex |
| Idea 生成 | idea-discovery, idea-creator, novelty-check |
| 实验执行 | experiment-bridge, run-experiment, experiment-queue |
| 审稿评审 | auto-review-loop, kill-argument, research-review |
| 论文写作 | paper-writing, paper-plan, paper-write, paper-compile |
| 审计验证 | experiment-audit, paper-claim-audit, citation-audit, proof-checker |
| 演讲展示 | paper-slides, slides-polish, paper-poster-html, paper-talk |
| 投稿运维 | rebuttal, resubmit-pipeline, overleaf-sync, grant-proposal |
九、总结
| 维度 | 评价 |
|---|---|
| 定位 | ML 科研全生命周期自动化框架 |
| 门槛 | 需 Claude Code + Codex CLI（需付费 API） |
| 学习曲线 | 中等——技能多但参数统一，工作流清晰 |
| 灵活性 | 极高——每个技能独立可组合，参数化程度深 |
| 平台 | macOS/Linux 完美；Windows 需 WSL2 |
| 维护活跃度 | 极高——12 个 release，942 commits，社区活跃 |