/README.md

Note

本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。
English · 原始项目 · 上游 README
原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。

Auto-claude-code-research-in-sleep (ARIS ⚔️🌙)

· · · · · · · · 💬 加入交流群 ·

💡 在 Claude Code / Codex CLI / Cursor / Trae / Antigravity / GitHub Copilot CLI / OpenClaw 里以 skill-based workflow 用 ARIS，或用独立的 ARIS-Code CLI 完整版体验——任你选！

🌱 ARIS 是方法论，不是平台。重要的是科研工作流——带着它去任何地方。

🤖 AI agent 兄弟们： 直接读 AGENT_GUIDE.md —— 给 LLM 消费的路由 index，不是给人浏览的。

🎬 ARIS 走向多模态 → ARIS-Movie-Director —— 给它一个粗略的故事,拿回一部按场景检查过的图像电影(参考运行有 19 个场景)。 长故事最容易坏在两点:模型忘了前面的细节,或者自己给自己打分——所以 ARIS 用 research-wiki 记住上下文,再让别的模型检查每一帧。

🧭 同一套流程也能画干净的方法图 / 流程图——上面这张图就是它做出来的。入口在 ARIS-Movie-Director:/movie-pipeline 和 /method-figure,后者就是生成这张图的 skill。

🎞️ 参考片里的几帧 —— 故事自身的诚实度 beat：一次 号称 +6.2 实则 只动了 +1.4 的 run。  ▶ 浏览器看全部 19 个场景 →

🎯 准备 2026 AI 秋招？ → 🌐 ARIS-in-AI-Offer 网页版 · GitHub repo · English —— 长文中文 ML / LLM / 多模态 / 生成式 / Agent 面试 cheat sheet，每篇 = 公式推导 + 从零 PyTorch + 25 高频面试题（L1 / L2 / L3），全部由 ARIS 的 /render-html 自动生成。希望大家秋招的时候轻松一点 🌱

🖼️ 预览 —— 三栏 cheat sheet（① 基础知识 · ② 面试 Q&A · ③ 从零代码）

📝 三篇 long-form blog，跨模型协作写成（/render-html）—— Continuous DLM：表征视角综述（2026 上半年） · Cosmos 3：理解与生成缝进一个 Transformer（MoT） · 扩散 × 表征 × 流形学习。

English | 中文版

🌙 让 Claude Code 在你睡觉时做科研。 醒来发现论文已被打分、弱点已被定位、实验已跑完、叙事已重写——全自动。

🪶 极致轻量——无基础设施，零锁定。 整个 skill 层就是纯 Markdown 文件。没有框架要学、没有数据库要维护、没有 Docker 要配、没有守护进程要看管。每个 skill 就是一个 SKILL.md，任何 LLM 都能读懂——换成 Codex CLI、OpenClaw、Cursor、Trae、Antigravity、Copilot CLI、Windsurf 或者你自己的 agent，工作流照样跑。Fork 它、改写它、适配到你的技术栈。

🛰 盯住你的 agent 窗口 —— Claude Fleet(by @tianyilt,本地只读看板,同时盯一堆并行的 Claude Code / Codex 窗口 + 全文搜 transcript,好用点个 ⭐),或更轻的自带 ARIS-Monitor(macOS 置顶小窗,谁在等你授权就亮 🔴,点一行跳过去)。

🖼️ 预览 —— Claude Fleet 网页看板 & ARIS-Monitor 悬浮小窗(自带)

Claude Fleet · 全功能网页看板	ARIS-Monitor · 极简悬浮小窗(自带)

几秒跑起来 —— ARIS-Monitor（5s）/ Claude Fleet（30s）

ARIS-Monitor —— 就在本仓库，不用 clone / 不装依赖 / 不开浏览器:

cd aris-monitor && ./run.sh
# 右上角冒出一个无边框悬浮窗;点一行直接跳到那个终端

Claude Fleet —— 全功能网页看板:

git clone https://github.com/tianyilt/claude-fleet
cd claude-fleet && bash run.sh
# 浏览器打开 http://127.0.0.1:7878

🚀 从 科研 → 任何 "研究"：ARIS-Anything 把 ARIS 的五步 loop（plan / draft / 跨模型对抗审 / 迭代 / 持久化）从学术科研推广到非学术的结构化研究——投资尽调 / 法律研究 / 市场研究 / 自驱学习 / 调查新闻 / 工程复盘等。

🔥 ARIS-Code CLI — 独立安装版 · English | ⬇️ 下载

📰 ARIS-Code v0.4.20（2026-06）—— 最新是 bug-fix 补丁（Codex 排查出的 7 个用户可见修复：短 REPL 回复、粘连段落、CJK 表格、记住的 executor 模型、Esc 等；#299）。头牌特性：v0.4.18 —— 默认模型 Claude Opus 4.8（计费已修正 + 可用性 fallback）和 v0.4.17 —— MCP 版本（mcpServers 驱动真实工具调度；跨模型对抗审无需 OpenAI API key —— aris setup 一步把你的 ChatGPT 订阅经 Codex MCP 接成 reviewer）。收官 16 个 release 打磨（v0.4.5 → v0.4.20）；逐版本详情见下。贡献者：@GetIT-Sunday、@Anduin9527、@GO-player-hhy、@Jxy-yxJ、@screw-44、@StevenUST、@opposj、@ShijunLei-cn、@algojogacor。

逐版本详情（v0.4.5 → v0.4.20）

v0.4.20 (2026-06-19) — bug-fix 补丁：Codex 对抗式排查出的 7 个用户可见 bug，每个放行前审 3 轮（reviewer 在 GO 前抓到一处 redraw 缺口、一处尾随空行、一处 spinner 残尾、一处空行边界）。🐛 头牌（#299）：短 REPL 回复只剩 "✔ Done" —— spinner 用 Save/RestorePosition 画 "⠋ Thinking…"，让流式输出在同一行覆盖它，但 finish 随后清掉了整行，把一条短的单行回复也抹了。现在这一轮若打印过可见文本，REPL 收尾不再清行（Clear(UntilNewLine) 只擦回复之后的 spinner 残尾）。流式多段回复粘连（"para1para2"）—— 每个 chunk 的段落分隔符在流边界被裁掉；markdown 流式渲染器现在用 held-separator 保留分隔符，使流式输出等同一次完整渲染（无悬空空行）。含 CJK/全角内容的 markdown 表格错位 —— 宽度现在按显示单元计（CJK = 2）而非字符数。aris "prompt" / --print 忽略了 aris setup 存的 executor 模型（此前仅 REPL 生效）—— 配了 OpenAI/自定义 executor 的人，请求却把 Anthropic 默认发到了它的 endpoint；一次性与 REPL 两条路径现在共用一个 resolver。Esc 现在真能关掉补全下拉（之前会被立刻重算回来）。glob_search 截断时报告匹配总数（而非封顶的 100，否则模型会以为 1000 个匹配只有 100 个文件）。/model 的自定义菜单读 executor 实际用的环境，而非过期的磁盘配置。测试（CI 模式）：api 32 / runtime 205 / tools 67 / aris-cli 172 / commands 5 全绿；新增 7 个；真机验证（短回复正常显示 + "✔ Done"；段落保留空行）。Codex MCP（gpt-5.5 xhigh）：排查 → 3 轮审（NO-GO → NO-GO → GO）。两个仅潜伏的候选（Anthropic block-index 路由、OpenAI 多行 SSE）推迟到一次加固 pass。

v0.4.19 (2026-06-14) — 诚实度 / guardrails 补丁（主题来自一次 Codex fresh-eyes 审计；健康配置零行为变化）。🔴 MCP 协议版本协商守卫 —— stdio 握手请求 2025-03-26，却从不读 server 协商回来的版本（一个被解析但没用的字段），于是 server 同意了一个 ARIS 不会说的版本也被静默接受，后续 tools/list / tools/call 跑在不兼容协议上、报错晦涩。ARIS 现在把协商版本对一个受支持集合（2025-11-25 / 2025-06-18 / 2025-03-26 / 2024-11-05 —— 这些之间 stdio 分帧一致）校验，遇到不支持的就终止子进程 + 清槽 + 给出清晰的 per-server 报错（aris doctor 会显示）—— 正是 MCP 生命周期规范要求的"版本谈不拢就终止"。请求仍发 2025-03-26（对 codex mcp-server 验证过），健康 server 不受影响 —— 端到端验证：真实 Codex MCP server 在守卫下仍能拉起 + 初始化 + 暴露工具。🧹 小瑕疵：OpenAI 系 subagent 的响亮报错去掉了过期的 "lands in v0.4.18" 字样（现在版本无关 + 可操作，仍不含凭证）；OpenAI 上游错误体现在会被截断（500 字符）+ 凭证脱敏（sk-… key 和 Bearer … token，用子串扫描器抓住误配代理可能反射回来的紧凑 JSON 形态 {"api_key":"sk-…"}）而非原样喷出；system prompt 的 hook 事件摘要现在只数运行时真正执行的 hook（带 command 字符串的 command hook），和解析器对齐。测试（CI 模式）：api 32 / runtime 204 / tools 67 / aris-cli 167 / commands 5 全绿；live smoke 确认真实 Codex MCP server 在守卫下仍能初始化。Codex MCP（gpt-5.5 xhigh）审：design GO → impl NO-GO（漏了紧凑 secret + command-string 严格性）→ 修后 GO。

v0.4.18 (2026-06-14) — 默认模型 → Claude Opus 4.8，附计费修正 + 安全网。这次升级把 DEFAULT_MODEL、opus 别名、模型选择器、aris setup、subagent 默认都移到 claude-opus-4-8 —— 并带可用性 fallback：若账号没有 4.8（API 返回 404 not_found_error），ARIS 本会话自动回退到 claude-opus-4-7，重建 system-prompt 的模型身份以保持自洽（绝不在实际服务 4.7 时还告诉模型它是 4.8），告警一次后重试 —— 主会话（文本 + JSON）和 subagent 都覆盖。它只在那个精确的 404 上触发（绝不在 400/限流/鉴权上），有防循环 latch，文本路径从回合前快照重建，使重试绝不重复 append 用户消息；有 4.8 的账号与单纯升级字节一致。💰 计费已修正（对 Anthropic 公布的价目表核对过；此前高估了 3–5×）：当前 Opus 4.5–4.8 = $5/$25（弃用的 Opus 4/4.1 保持 $15/$75，按词边界切分，使未来的 opus-4-10 不被错分档）；Sonnet 4.x = $3/$15（与通用未知模型 fallback 解耦，后者仍 $15/$75）；Haiku 本就正确。🧹 待办清理：aris setup 选项 10 把 Codex MCP reviewer 钉到 model_reasoning_effort="xhigh"（对新配置确定、独立于 ~/.codex/config.toml；幂等合并绝不覆盖已有条目）；启动时 + aris doctor 的误配提示（#259）针对被静默忽略/放错位置的配置（坏 JSON，或一个多余的 ~/.aris/config.yaml —— 仅 stderr，使 --print/JSON stdout 保持干净）；system prompt 的 hook 摘要现在把"解析了但从不触发"的事件标为 "PARSED ONLY … will NOT run" 而非暗示死 hook 会跑（完整事件展开 —— 真正触发 SessionStart/SessionEnd/… —— 推迟到单独 issue）。测试（CI 模式）：api 32 / runtime 202 / tools 67 / aris-cli 166 / commands 5 全绿；一次 live one-shot smoke 端到端返回 model=claude-opus-4-8。Codex MCP（gpt-5.5 xhigh）审了 design + 两批实现（design REWORK→GO，impl NO-GO→GO，batch-2 GO）。

v0.4.17 (2026-06-13) — MCP 版本。 v0.4.17 之前，settings.json 里的 mcpServers 只是被解析、在 aris doctor 里显示，却什么都不做；现在 ARIS 会拉起每个配置的 stdio server、走 MCP 握手、发现工具，并在 Anthropic + OpenAI 两条 provider 路径上以 mcp__<server>__<tool> 暴露，端到端调度 + 单 server 软降级 + 未受信 MCP 工具的审批门（--allowedTools 现接受 mcp__ 名）。🆕 零 API key 的跨模型 reviewer：aris setup → 选项 10（Codex MCP，ChatGPT 订阅，无需 API key） 把幂等的 mcpServers.codex 写进运行时真正读取的配置文件（原子写 + 备份，trust: true 前显式确认），可选 API reviewer 作 fallback（ARIS_REVIEWER_PROVIDER=codex-mcp + ARIS_REVIEWER_FALLBACK_PROVIDER）；REPL 内 /setup 重建 system prompt + runtime，reviewer 改动无需退出即生效。🔴 假 server 测不出的协议 bug：真机 e2e 对着 codex mcp-server 才暴露——我们的 stdio 传输在用 LSP 式 Content-Length: 分帧，而 MCP 规范（和 codex）用换行分隔的 JSON-RPC；所有 fake-server 测试都过，是因为 fake 也讲同一种错方言。现在写为 NDJSON、读两种都自动识别，并在 initialize 后补发规范要求的 notifications/initialized（顺带用 select 往返修掉 #286 大请求死锁）。Hooks：object 式 Claude Code hook 保留 matcher / timeout / async（锚定正则匹配；每 hook 超时，默认 30s kill = 警告而非拒绝）。收尾：codex codex/event 通知刷屏默认静默（ARIS_MCP_STDERR=inherit 开），system prompt 现告诉模型别给 Codex 传 model 参数（账号默认 = gpt-5.5 + xhigh），Codex-MCP 为主且无 fallback 的 LlmReview 调用返回清晰的 “用 mcp__codex__codex” 提示而非误导性的 OPENAI_API_KEY 报错。沿用 v0.4.16 零回归方法论（24 个新 characterization 测试）。测试（CI 模式）：runtime 199 / aris-cli 165 / tools 67 / api 30 / commands 5 全绿。Codex MCP（gpt-5.5 xhigh）逐 phase 审 17 轮（7 个 NO-GO 全解决）。

v0.4.16 (2026-05-30) — REPL UX + provider 加固,零回归纪律交付:先写 64 个 characterization（golden）测试锁死当前 provider 路由 / 计费 / reviewer / subagent / REPL 行为,再动手改,全程保持绿。关闭 #274：命令历史持久化到 ~/.config/aris/history（0600 权限）,启动自动加载;ARIS_NO_HISTORY 一键关闭;disk-only secret-skip——疑似凭证的行保留在会话内历史但永不落盘。bash 风格 Ctrl+R 反向增量搜索（CJK 显示宽度感知的单行渲染;不改任何现有按键;零新依赖）。安全:OpenAI 系主会话（Kimi / GLM / MiniMax / …）派 subagent 此前会静默扣用户的 Anthropic OAuth/Keychain 凭证,现在改为响亮报错（错误信息不含凭证名）;完整 OpenAI 系 subagent 路由是跨 crate 改动,推迟到 v0.4.17。地基（零行为变化）:3 处字节级相同的词边界匹配器合并为唯一权威 runtime::word_match;新增纯分类器 ProviderFamily（未接线）。测试（CI 模式）:runtime 164 / aris-cli 128 / tools 49 / commands 5 全绿。Codex MCP（gpt-5.5 xhigh）逐 phase 审 + 最终集成审。

v0.4.15 (2026-05-29) — OpenAI-兼容流式健壮性 hotfix。关闭 #249：MiniMax（及其他 OpenAI-compatible provider / 代理）实际不可用,因为 clean-EOF 完成判定把 data: [DONE] 哨兵当成唯一权威完成信号。非空 choices[].finish_reason 才是 Chat Completions spec 定义的终止帧标志,[DONE] 只是部分 compat provider 不发的 transport 约定（MiniMax 发 finish_reason: "stop" 然后直接关连接不发 [DONE]）。clean-EOF 判定现在抽成可单测纯函数 stream_eof_action(...),见到 [DONE] 或 非空 finish_reason 任一即算完成;不在 finish_reason 处提前停读（include_usage 尾随 usage-only chunk 仍消费）;真截断仍硬报错,出输出前 proxy abort 仍重试。配套：OE7 finish_reason 移到 delta guard 前读（只带 finish_reason 无 delta 的终止 choice）；OE2 任何非空 finish_reason 都 flush pending tool；OE4 mid-stream error 信封硬报错不再静默吞；OE3 容忍 data:{...} 冒号后无空格。+5 单测（77→82）把此前零覆盖的 SSE 完成逻辑抽成纯函数。Anthropic SSE 路径未动。Codex MCP（gpt-5.5 xhigh）3 轮（GO-WITH-NITS → GO-WITH-NITS → GO）。

v0.4.14 (2026-05-25) — 安全 + 文档卫生 release，关闭 v0.4.13 codex audit（gpt-5.5 xhigh，6/10 NEEDS-REWORK）最关键的几项。🔴 S9 (P0) system prompt 配置脱敏 — v0.4.14 之前 render_config_section() 把合并后的 settings.json 原样塞进发给 LLM provider 的 system prompt，会泄漏 env、mcpServers.<name>.headers.Authorization Bearer token、hook command env、签名 URL 的 query 参数、apiKey 等字段。新渲染器：白名单顶层字段（model/permissionMode/theme/outputStyle/permissions/sandbox 子树仍走递归 redact）原样输出；敏感 key（apikey/token/secret/password/authorization/headers/env/_KEY/_SECRET/_TOKEN）递归替换成 [REDACTED]；MCP command 替换 <configured> 占位符；MCP url 仅保留 <scheme://host[:port]> origin（scheme 仅 http/https/ws/wss，host 仅 ASCII，port 仅数字，IPv6 走 [...]）；hook command 字符串完全不输出。Regression test 覆盖 9 处 leak 面；URL parser 单独测 7 种 smuggling（含 codex round-3 抓到的 port 位置 secret 注入）。🟡 P9 (P1)：DeepSeek aris --help 指向 aris setup option 7（真正的 anthropic-compat 菜单项），不再印那条 resolver 根本不认的 EXECUTOR_PROVIDER=anthropic-compat env 路径。🟡 M1/M2 (P1) 文档：aris doctor + README + README_CN 在 mcpServers.len() > 0 时打黄色实验性 warning（完整 MCP 工具分发 v0.4.16 落地）。🟢 C11 (P2) 流式 idle timeout — Anthropic MessageStream 和 OpenAI SSE loop 都在 response.chunk().await 外包 tokio::time::timeout（env ARIS_STREAM_IDLE_TIMEOUT_SECS，默认 120，clamp [10, 1800]，0/负数关闭）；关闭"aris 永远卡死无输出"症状（broken proxy 不发 keepalive 时）。Bundle：77 skills（+1 /wiki-enrich，同日 late sync 到 main 7e3ab67 顺带把上游 check_ready.sh awk + grep-c null-match 修复也带进来），54 helpers。Codex MCP 6 轮（NO-GO + 4 → GO-WITH-NITS + 3 → NO-GO + port smuggling → GO → release metadata GO → sync GO）。

v0.4.13 (2026-05-25) — 收尾 release，关闭从 v0.4.10 到 v0.4.12 累积的所有 codex audit P1 + 补长尾 regression test。🟡 v0.4.10 P1.D per-server MCP timeout — mcpServers.<name>.requestTimeoutSecs override > MCP_REQUEST_TIMEOUT_SECS env > 300s default（clamp 1..=1800），让 codex MCP 可以 5 分钟而 fs MCP 5 秒 timeout 共存。🟡 v0.4.10 known limitation 关闭 — McpStdioProcess::request() 跳过 JSON-RPC notification (id 缺失/null) 继续读直到 response。🟢 meta_opt hook 通过 aris init 部署 — tools/meta_opt/{log_event,check_ready}.sh 嵌入 binary，aris init 写 ARIS-namespaced aris-meta-opt-log-event.sh / aris-meta-opt-check-ready.sh 到 ~/.claude/hooks/（codex round-1 #1：永远不覆盖用户已有同名 hook）；settings.json 合并 idempotent + backup 强保证 + tempfile + rename 原子写。🧪 9 个 v0.4.12 targeted regression test 覆盖 sandbox.strictMode (3) + parse strictMode + provider_match pricing + has_word o-series + stream_options 400 + meaningful-content classification + premature-EOF retry truth table（codex round-1 #3 — should_retry_on_premature_eof() 提成纯函数 + 7 行真值表）。Bundle：76 skills，54 helpers（+2 meta_opt 脚本 vs v0.4.12）。Codex 3 轮（NO-GO + 3 → NO-GO + metadata → GO）。

v0.4.12 (2026-05-22) — Bug-fix + 小功能 release。#238 sandbox.strictMode opt-in 配置项；为 true 时 SandboxConfig::resolve_request() 忽略全部 5 个 LLM-supplied override（dangerouslyDisableSandbox、namespaceRestrictions、isolateNetwork、filesystemMode、allowedMounts）—— 关掉 tool-call 静默绕过用户 sandbox 策略的漏洞。aris doctor 加 "Sandbox:" 一行；bash tool schema 文档化 strictMode 语义。#232 auto-review-loop-llm 从老的 deepseek-chat / deepseek-reasoner（2026-07-24 弃用；reasoner reject tool_choice）改成 deepseek-v4-flash / deepseek-v4-pro。v0.4.10 audit P1 follow-up：P1.A Anthropic 流式 retry 改成基于 has_emitted_meaningful_content（只发了 MessageStart 就 EOF 也能 retry）；P1.B supports_reasoning_effort + reviewer 镜像都用 word-boundary 匹配，openai/o3-mini / proxy:o4 走对路径；P1.C stream_options.include_usage:true proxy fallback —— 真的 400 报 unknown field 时去掉这个字段 retry 一次；P2 pricing 用新 provider_match() 让 qwen3.6-plus / kimi-k2.5 走对 tier，同时拒绝 my-kimi-clone 这种 mid-word 误判。Skills 追新（76 skills, 52 helpers）：嵌入 /interview-cheatsheet + /render-html；build.rs ALLOWED_EXTS 加 html；EXCLUDED_SKILL_PREFIXES → starts_with("skills-codex")。CI fetch-depth: 0 + origin/main fetch 让 drift-test ancestor check 真生效。Codex MCP（gpt-5.5 xhigh）4 轮 review。

v0.4.11 (2026-05-18) — Skills bundle 刷新 + sync 基础设施。v0.4.10 binary 嵌入的 skills 已落后 main（56 个 main skills/ commits 中只有 ~6 个被 cherry-pick 进 bundle）；v0.4.11 sync 完整集合 + 落 sync infrastructure 防漂移再扩大。Bundle：65→74 个 user-facing skill，34→49 个 helper resource。新嵌入 10 个 skill：/citation-audit（第四层文献审计：存在性 + metadata + 引用 context）、/experiment-queue（SSH 多 seed 任务队列，含 OOM retry）、/kill-argument（理论论文双线对抗审）、/resubmit-pipeline（W5：纯文本换会议投稿）、/paper-talk（端到端 conference talk pipeline）、/slides-polish（逐页 Codex 排版审）、/overleaf-sync（双向 Overleaf Git-bridge）、/gemini-search + /openalex（更广文献源）、/qzcli（启智 GPU 任务）。46 个已有 SKILL.md 刷新——最关键是 canonical resolver chain 全面铺开（修复真实事故：硬编码 tools/research_wiki.py 让 /research-wiki 空了一周）+ submission assurance gate + external verifier（/paper-writing Phase 6 现在能跑通）。tools/ 9→18：9 个 baseline 刷新（research_wiki.py 从 315 行刷到 767 行含 canonical ingest_paper API）+ 9 个新增（extract_paper_style.py、figure_renderer.py、paper_illustration_image2.py、overleaf_{setup,audit}.sh、verify_wiki_coverage.sh、watchdog.py、experiment_queue/{build_manifest,queue_manager}.py）。新 tools/sync_main_skills.sh 自动化 main → bundle rsync（symlink 前置检测 + codex-mirror prune + SKILLS_SOURCE_COMMIT 钉版本）。crates/runtime/src/cache.rs 新增 3 个 CI drift test 覆盖全部 4 个 resolver layer pattern。/research-lit 和 /gemini-search 的 Gemini MCP 调用改成 model: 'auto-gemini-3'（避免 OAuth-personal 在 capacity 满时 silent downgrade 到 2.5-pro）。CLI runtime 行为不变——codex-audit P1 follow-up 留在 v0.4.12 backlog。Codex MCP（gpt-5.5 xhigh）5 轮交叉评审（REQUEST CHANGES → APPROVE WITH NITS → NO-GO → GO → final GO）。

v0.4.10 (2026-05-17) — 流式 + MCP 可靠性 + 多 provider 计费。C6 Anthropic MessageStream 和 OpenAI SSE 循环都支持 chunk decode 失败 / 早 EOF 时整段重启请求（ARIS_STREAM_RETRY，default 2，clamp 0..=5，仅在尚未输出任何内容时触发——关闭 #228 "error decoding response body" 循环）。M3 MCP stdio 用 tokio::time::timeout 同时包 send + read（default 300s，env MCP_REQUEST_TIMEOUT_SECS clamp 1..=1800）+ response.id ↔ request.id 关联校验 + ensure_server_ready() try_wait() 检测死进程并 respawn + 任何失败路径 kill().await 让下次调用从干净状态开始（关闭 #151 / #172 "Calling codex..." 卡死）。C8/P4 OpenAI 流式请求加 stream_options.include_usage:true + 解析 cached_tokens；Anthropic 流式合并 MessageStart.usage（input/cache）和 MessageDelta.usage（output）。C9 多 provider 计费 registry（15+ 模型，OpenAI cache_read = input × 0.1 修正之前 generic 50% 高估 5×，DeepSeek cache_hit/cache_miss 分层，has_word() boundary matcher 让 provider/<model> slug 走对 tier）。9 个 dead-code warning 修复；aris setup help 文案与实际行为同步。

v0.4.9 (2026-05-17) — 关闭 Codex v0.4.7 audit 三个 cross-cutting 残留（L1 TLS 双栈 / L3 reasoning_cache 错位 / L4 reasoning replay 无 cap）。2 个新 skill 嵌入（/figure-spec + /paper-illustration-image2 含 scripts/ 子目录，新 Layer 0b = $ARIS_CACHE_DIR/skills/<name>/scripts/）；research_wiki.py 提升到 shared tools/（9+ 调用方）；5 个 SKILL.md 迁移到 fallback chain。

v0.4.8 (2026-05-17) — Skill helper 子系统重写。Bundled helper 在 startup 提取到 ~/.config/aris/cache/<version>/；每次 Skill 调用输出 helperReport JSON + 4 层 resolver preamble；/skills export 一并导出 helper；新 integration-contract.md 含 6 个失败策略；8 个 shared helper（arxiv/deepxiv/exa/S2/openalex/save_trace/verify_papers/verify_paper_audits）嵌入；/research-lit + /deepxiv 迁移。另 4 个 bug 修复：gpt-5.5+tools 在 OpenAI 400；Custom reviewer 重启变 gpt-5.5；缺 signature 字段 (#228)；--version Build date 硬编码。

v0.4.7 (2026-05-16) — DashScope Coding Plan 405 修复 (#159) 通过 native-tls 切换 (#225)；所有 reasoning model 的 reasoning_content replay（不只 Kimi）(#226)；600+ 行死代码 + rustyline 移除 + "Claw Code" → "ARIS-Code" 品牌统一。

v0.4.6 (2026-05-14) — 🚨 两个长期静默 bug 修复：PermissionMode::Prompt 因 derived-Ord 顺序错误一直在静默放过所有 tool；system prompt 硬编码 current_date = "2026-03-31" 让 model 把真实数据判为"未来 / prompt injection"。另 Custom OpenAI 兼容 provider（/setup 选项 11）+ dynamic /models 发现（@Anduin9527 #221 + #222）。

v0.4.5 (2026-05-13) — 推理模型一等公民支持：thinking content blocks 全链路（修 #161）+ reasoning_effort='xhigh' 真正发到 GPT-5.5 / o1 / o3 / o4 / DeepSeek-thinking。DeepSeek V4 Pro + Xiaomi MiMo + Qwen 3.6 + Doubao 加入 /setup（选项 7-10）。对象式 hooks 解析器。默认模型升级 Claude Opus 4.7 + GPT-5.5。REPL 输入加固（折行 / Cmd+V 粘贴 / CJK 边界）。新增 GitHub Actions CI workflow。贡献者：@GO-player-hhy (#186)、@Jxy-yxJ (#171)、@GetIT-Sunday (#216 部分)。

更早历史版本

v0.4.4 (2026-04-20) — Setup UX + reviewer 路由修复（修 #158 / #162）| Anthropic + 自定义 URL 不再强制 Bearer | LlmReview 智能 fallback

v0.4.3 (2026-04-17) — 第三方 Anthropic-compat 代理支持（Bedrock 等）| 致谢 @screw-44

v0.4.2 (2026-04-17) — Auto-compaction 修复 | OpenAI-compat 摘要保留 | Shell API key 不再被清

v0.4.1 (2026-04-15) — Plan 模式 + Ctrl+C 协作中断 + 自动重试 (429/5xx) | 多文件 Memory

基于 Claude Code 的自定义 Skills，用于自主 ML 科研工作流。核心机制是跨模型协作——Claude Code 负责执行（读文件、写代码、跑实验、收结果），外部 LLM（通过 Codex MCP）负责评审（打分、找弱点、建议修复）。两个模型互不评自己的作业，形成真正的反馈循环。🔀 也支持替代模型组合（Kimi、LongCat、DeepSeek 等）——无需 Claude 或 OpenAI API。 例如 MiniMax-M3 + GLM-5 或 GLM-5 + MiniMax-M3。 🤖 Codex CLI 原生版 — 完整 skill 集合也支持 OpenAI Codex。🖱️ Cursor — Cursor 也能用。🖥️ Trae — 字节跳动 AI IDE。🚀 Antigravity — Google Agent-First IDE。🐙 Copilot CLI — GitHub 终端 Agent（原生 SKILL.md + MCP）。🆓 ModelScope 免费接入——零成本，零锁定。

💭 为什么不用单模型自我博弈？ 用 Claude Code 的 subagent 或 agent team 同时做执行和审稿在技术上可行，但容易陷入局部最优——同一个模型审自己的输出会产生盲区。

类比 bandit 问题：单模型自审是 stochastic bandit（噪声可预测），跨模型审稿则是 adversarial bandit（审稿者会主动探测执行者未预料的弱点）——而 adversarial bandit 天然更难被 game。

💭 为什么是两个模型而不是更多？ 两个是打破自我博弈盲区的最小配置，且双人博弈收敛到 Nash 均衡的效率远高于多人博弈。增加更多审稿者只会增加 API 开销和协调成本，边际收益递减——最大的提升来自 1→2，而非 2→4。

Claude Code 的优势是快速丝滑的执行，Codex（GPT-5.6-Sol xhigh）虽然慢但审稿更严谨深入。两者速度 × 严谨的互补特性，比单模型自我对话效果更好。

🧿 想要最强审稿者？ 任何 skill 加 — reviewer: oracle-pro 即可通过 Oracle MCP 调用 GPT-5.5 Pro。Pro 级推理能力适合证明验证、实验审计和最终 stress test。支持 API key 或免费浏览器模式。设置 →

目录

1. 不止一句 Prompt
2. 最近更新 · changelog
3. 快速开始 · 安装 + 第一次跑
4. 功能亮点
5. 真实运行效果
6. 社区实操 — 用 ARIS 完成的论文
7. Awesome 社区 Skills & 扩展
8. 工作流 · 13 个命名 pipeline（W1 / W1.5 / W2 / W3 / W4 / W5 / W6 / Wiki / WM + Effort / Assurance / Oracle）
9. 安装 · prerequisites / install / update / usage / GPU 服务器配置
10. 自定义 · 每个 skill 的配置开关
11. 替代模型组合 · GLM / MiniMax / Kimi / 等
12. 交流群
13. 引用
14. Star History
15. 致谢
16. License

---

1. 🎯 不止一句 Prompt

基础模式 — 给 ARIS 一个研究方向，全自动：

/research-pipeline "离散扩散语言模型的 factorized gap"

🔥 精准模式 — 有篇论文想改进？把论文 + 代码给 ARIS：

/research-pipeline "改进方法 X" — ref paper: https://arxiv.org/abs/2406.04329, base repo: https://github.com/org/project

ARIS 读论文 → 找弱点 → 克隆代码 → 针对那些弱点用那套代码生成改进方案 → 跑实验 → 写论文。就像跟研究助手说："读这篇论文，用这个 repo，找出哪里不行，然后修好它。"

自由组合：ref paper 单独 = "这篇论文哪里能改进？"，base repo 单独 = "这个代码能做什么？"，两个都给 = "用这个代码改进这篇论文。"

🔥 Rebuttal 模式 — 审稿意见来了？别慌。ARIS 读每条意见、制定策略、起草安全的 rebuttal：

/rebuttal "paper/ + reviews" — venue: ICML, character limit: 5000

三道安全门：

• 🔒 不编造 — 每句话有出处
• 🔒 不过度承诺 — 没批准的不承诺
• 🔒 全覆盖 — 每个审稿意见都追踪

两版输出：PASTE_READY.txt（精确字数，直接粘贴）+ REBUTTAL_DRAFT_rich.md（详细版，自己改）

展开 rebuttal 参数 —— venue、character limit（必填）、quick mode、auto experiment、压测轮数、follow-up 上限

参数	默认值	作用
venue	ICML	目标会议
character limit	—	必填。 字符限制
quick mode	false	仅解析 + 策略（Phase 0-3），先看审稿人要什么
auto experiment	false	自动跑补充实验（/experiment-bridge）
max stress test rounds	1	GPT-5.6-Sol 压力测试轮数
max followup rounds	3	每个 reviewer follow-up 上限

中稿之后 — 论文录了，准备展示：

/paper-slides "paper/"     # → Beamer PDF + PPTX + 演讲稿 + Q&A 预案
/paper-poster-html "paper/" # → 测量门控 HTML/CSS 海报 → 可印刷 PDF

💡 从 idea 到论文到讲台到 rebuttal——一条工具链。🌱 以上是全流程——你也可以单独用任何一个工作流。已有 idea？直接进工作流 1.5。有结果了？跳到工作流 3。见快速开始查看所有命令，工作流了解完整流程。

2. 📢 最近更新

• 2026-07-12 — 🛡️ 投稿前,你的论文先过一遍审稿人那侧的取证(#357)。新 skill /integrity-forensics:Anti-Autoresearch 的 SHA-pin 薄启动器——敌意审稿人能跑的那套扫描(逐字锚定的证据账本、九个审计维度、GRIM/GRIMMER/statcheck 数值核心、纯规则裁决器)现在先跑在你自己的论文上,而且通常比外部审稿人更严(code/ 和 results/ 在场时,它连这些也一起看)。结论进一道 typed gate——flag 能拦下投稿,但"没查出问题"只记作"无新阻断"、永远不算无罪判决;构成义务的 finding 只有带类型、带 hash 的证据、或者人签字的 waiver 才能销项(把被点名的句子改个措辞不算数,台账会记下来)。/paper-writing 在 submission 档默认就跑;— self_forensics: false 可关(这是 Claude 主线的行为;Codex 镜像是 opt-in,且只能跑上游的确定性切片——能报 flag,永远说不出 CLEAN)。⚠️ 首次运行会克隆并校验 pin 的上游(需要网络,几分钟);跑 bash tools/smart_update.sh --apply 拉取更新。
• 2026-07-10 — 🧠 Reviewer 默认换成 GPT-5.6-Sol,深度审计用上新的 ultra 档(#354)。codex-cli 0.144.1 在 xhigh 之上加了 max、ultra 两档(ultra 还会自己分派子任务)。ARIS 的审阅现在默认走 gpt-5.6-sol:七个重量级裁决(/proof-checker、/kill-argument、/research-review、/experiment-audit、/paper-claim-audit、/result-to-claim、/meta-apply)用 ultra,其余一律保持 xhigh。codex-cli 版本旧或账号没有这个模型?skill 会自动降级(先 5.6-sol xhigh,再 5.5 xhigh)——但只在这两种明确报错时降,超时不降,永远不低于 xhigh。顺手修了一个问题:/result-to-claim 在审稿模型连不上时不再自己给自己的实验下结论,而是诚实停下。⚠️ 升级 codex-cli 到 ≥ 0.144.1,重启 session(MCP server 要重启才生效),然后跑 bash tools/smart_update.sh --apply。
• 2026-07-03 — 🧬 从 Anthropic 的 Claude Science skills 借来三点小改动(#339、#340、#341;Apache-2.0)。ARIS 现在用同一种写法描述 GPU 环境,同一份配置可以用在 SSH 机器、Modal 和集群上,再让一个全新的 agent 按安装说明走一遍来检查。我们也加了一个小工具,用来测试 skill 描述到底能不能让系统选中正确的 skill。最后,图表和写作检查会把"事实是否正确"和"风格是否好看"分开:事实必须过,风格只是建议。⚠️ 运行 bash tools/smart_update.sh --apply 拉取更新。
• 2026-07-02 — 🔁 把 Karpathy 的 LOOPS.md 思路吸收到 ARIS(#333–#337)。Reviewer 现在会先找哪里可能有问题,而不是礼貌地打个分。遇到奇怪的 review 结论时,ARIS 会先让你看保存下来的 reviewer 记录,而不是立刻再问一遍模型。做坏的构建可以按计划重来,不必一直补丁叠补丁;计划、日志和结果会保留。评分可以参考真实的好/坏例子,/meta-optimize 会问哪些东西该删,/paper-writing 会在动笔前先定清楚"写完"的标准。⚠️ 运行 bash tools/smart_update.sh --apply 拉取更新。
• 2026-06-20 — 📚 Research wiki 四层节点全部用确定性写入器 —— 修复"重新生成的 idea 没被记录"(#305、#306、#307、#308)。一位用户踩到真 bug:首次 /idea-creator 记下的 idea,重新生成时不见了 —— 因为 wiki 页面是 freehand(LLM 手写)写的,这种 prose 步骤在"再生成一版"时容易被跳过。现在每层都有专属 research_wiki.py 写入器,与 ingest_paper 并列:add_claim(claim 出生于 /proof-checker)、upsert_idea(/idea-creator)、add_experiment(/result-to-claim),每个都有 drift-check 守护、防止退化成死代码。claim 的 status 现在是严格的证明轴(verified/refuted/unproven/…),实验支持改由 supports/invalidates 边承载(修掉一个共享 validator 会拒绝的潜伏矛盾);Codex-CLI skill 镜像也已同步。无 research-wiki/ 时零行为变化。

更早的更新（2026-03-12 — 2026-06-19，65 条）

• 2026-06-19 — 🛰 通宵跑的 loop 现在能发现自己死了,或者卡住了(#300、#301、#302;运行模式参考了 Deli Chen 的 AutoResearch)。新的 watchdog 会看无人值守的 loop 还在不在更新状态文件,安静太久就写告警;它只报问题,绝不重启任何带裁决性质的 run。另一个 iteration log 会看每轮有没有新发现:连续两轮没新东西就强制换方向,四轮就叫人接手;结果到底够不够好,仍然交给跨模型 jury 判断。

• 2026-06-07 — 🖼️ /paper-poster-html 成为默认海报流水线;旧的 LaTeX /paper-poster 退役。 它把海报做成一个 HTML/CSS 文件,尺寸就是会议真实印刷尺寸,并且先用测量 gate 检查排版和素材,再让内容 reviewer 看,所以审阅时间不用浪费在列没对齐这类问题上。它还带了模板、可复用海报组件和会议 token 包;核心 gate 机制改造自 posterly(MIT,by @Chenruishuo)。⚠️ /paper-poster 现在重定向到 /paper-poster-html;LaTeX 旧流水线只留在 git history 里。

• 2026-05-31 — 🤝 两个社区工具值得看一眼。 Claude Fleet(@tianyilt)是本地只读看板,方便同时盯住很多 Claude Code / Codex 窗口。posterly(@Chenruishuo)把会议海报做成单个 HTML/CSS 文件,再通过 headless Chromium 导出可印刷 PDF,不用 LaTeX。两个都收录在 Awesome 社区。觉得有用就 🌟 一下。

• 2026-05-29 — ⚙️ ultracode 原生约定层 —— 任意运行时档位都能 fan out 拓宽广度，跨模型裁判席始终神圣不可侵犯。三个新 shared-references 文档把广度和裁决解耦：fan-out-pattern.md（skill 用同家族 Claude subagent 生成候选 —— Tier-1 Workflow / Tier-2 Agent / Tier-3 顺序 —— 全部汇入同一个跨模型裁判席），acceptance-gate.md（"loop 可以 DRIVE，不能 ACQUIT" —— 可自判执行完成度，绝不可自判质量/正确性），external-cadence.md（/loop 和 CronCreate 只是 fire-control，绝非裁判席）。已接入 /idea-creator、/research-lit、/proof-checker、/kill-argument（fan-out）+ 16 个 skill（cadence fence/affordance）。另外：清理 48 个 vestigial Agent grant（最小权限 + drift 守卫），修掉 /idea-creator 的同家族 idea 预筛，并校正 /auto-review-loop 的 OR→AND 停止条件矛盾。没有 ultracode 的用户也立刻受益 —— fan-out 退化成顺序执行，最终裁判席不变。

• 2026-05-28 — 📝 首篇 blog 上线：A Survey on Continuous DLM (2026 H1, 6 papers) —— Ruofeng Yang (SJTU) 写的 long-form 双语技术综述，全程通过 ARIS-in-AI-Offer workflow 完成（Claude Opus 4.7 + Codex GPT-5.5 xhigh + Gemini auto-gemini-3 跨模型讨论）。对比 ELF / 字节 Cola-DLM / Flow-Matching 系列：discrete-DLM 的问题、"known-unknown" 连续空间思路、训练 pipeline、架构 / 参数 / shapes、推理 grids + Tab 6/7 数值结果、去噪轨迹、对比 Cola-DLM 的 Field Landscape。单文件自含 HTML（1.7 MB，无 build）—— 展示 /render-html toolchain 能产出的 long-form 研究分析深度。

• 2026-05-26 — 🌐 8 个 workflow 关键节点自动出 HTML view。/idea-discovery、/auto-review-loop、/research-pipeline、/kill-argument、/proof-checker、/paper-claim-audit、/citation-audit、/rebuttal 跑完会自动调 /render-html 把主 MD 工件渲染成单文件 HTML。成本分层：interim view 用 --no-review，audit / reviewer-facing 交付物保留 full Codex render-fidelity gate。默认开（RENDER_HTML = true），每个 skill 可单独 opt-out。失败非阻塞 —— MD 源始终是 canonical。

• 2026-05-26 — 🤝 本周社区 PR 汇 (5 个 merge)。/wiki-enrich (#247 by @hungchun0201) 补全 ingest_paper 留下的论文 TODO 占位 —— Karpathy LLM-wiki 原则，fetch 链 alphaxiv→deepxiv→arXiv。Mirror drift checker + CI (#241 by @VeraPyuyi) 防 main↔mirror 漂移。/research-pipeline Stage 2/3 统一到 /experiment-bridge 委托 (#243 by @ZBigFish) —— 老的 inline 实现本来就是 bridge 的严格子集。Windows PowerShell 安装器对齐 + reparse-chain 内仓守卫 + -FromOld legacy 迁移 + Windows CI matrix (#242 by @VeraPyuyi)。加 manual-review MCP (#246 by @ZBigFish) —— 第三个 reviewer backend — reviewer: manual，零 API 成本跨模型 review（把 prompt 粘贴到任意非 Claude 模型：DeepSeek / Kimi / ChatGPT / Gemini / 本地 llama），跨模型不变量靠双语 UI 警告 + per-session token 认证 + manual MCP 未装时 fail-closed 保护。

• 2026-05-17 — 🐙 GitHub Copilot CLI 适配 —— 原生 SKILL.md + MCP 支持，无需 skill mirror。安装器（install_aris_copilot.sh）+ smart-updater + 13 个 pytest。社区贡献 by @EarendelH（#229，关闭 #214 / #227 / #203）。

• 2026-05-17 — 🛠 Tools-stability roadmap (Phase 1+2+3) 完整收尾（closes #176 / #177 / #178）。社区反馈 install_aris.sh 跑完但 helper script 在用户项目里找不到。Phase 1 —— 10 个 canonical helper 的所有 SKILL.md 调用方现在统一通过 integration-contract.md §2 定义的 3 层链 .aris/tools/ → tools/ → $ARIS_REPO/tools/ 解析（§2 同时定义 5 种 failure policy A/B/C/D1/D2/E）。Phase 2 —— 新增 advisory CI lint 在 PR 扫硬编码 python3 tools/foo.py 模式（仅警告，永不卡 CI）。Phase 3 —— 3 个 single-owner helper（figure-spec、paper-illustration-image2、experiment-queue）迁入对应 SKILL 的 scripts/ 目录，owner SKILL 用 Layer 0 ${CLAUDE_SKILL_DIR}/scripts/ 优先于 canonical chain，原 tools/ 路径保留 os.execv Python 转发 shim。⚠️ 现有用户：无需操作，legacy tools/ 入口现在是转发 shim。如果 2026-04-30 之后没跑过 install_aris.sh，幂等重跑一次即可全部对齐。

• 2026-05-14 — 🩹 /paper-plan + /paper-write 学会 GAP_REPORT.md + <!-- DATA_NEEDED --> 规则 (#217)。当 — style-ref: 启用且用户项目下存在结构性 assets（figures/、results/、NARRATIVE_REPORT.md 等）时，/paper-plan emit Gap Report，把 exemplar 的 section 拓扑 + 密度（从 style_profile.md）对照用户实际 assets，暴露没有证据填充的结构性槽位（如"exemplar 有 3×4 ablation 表，你没有 ablation 数据"）。然后 /paper-write 在 missing 槽位写 <!-- DATA_NEEDED: <Slot ID> — <描述> --> HTML 注释而不是编造内容——PDF 不可见，grep 友好供人审 triage / /experiment-bridge 后续补实验。是对默认"no placeholders"规则的窄 carve-out，只在 GAP_REPORT 列出的 missing 槽位生效。原始想法来自 @zhangpelf。

• 2026-05-14 — ⚙️ 默认 reviewer 模型：gpt-5.4 → gpt-5.5，覆盖 ~30 个 SKILL.md REVIEWER_MODEL 默认值。Codex MCP 自 2026-04-24 起 runtime 就是 gpt-5.5，本次让文档对齐 runtime。⚠️ 行为变化：(a) 之前 run 留下的 .aris/traces/* JSON 不可复现——重跑用 5.5，边界 case 可能给出不同的 WARN/FAIL 判决（reviewer 质量提升，不是回归）。(b) ChatGPT Plus/Pro 月度配额在重度使用下消耗更快。回退：单次调用传 — reviewer-model: gpt-5.4，或在 skill 文件里固定 REVIEWER_MODEL = gpt-5.4。Oracle Pro tier（— reviewer: oracle-pro）走独立路由，不受影响。

• 2026-05-13 — 🔍 tools/verify_papers.py + Pre-Search Verification Protocol —— 给文献类 skill 加反幻觉过滤。新 helper 走 3 层 fallback 验证（arXiv batch API 每次最多 40 个 ID → CrossRef DOI 查询 → Semantic Scholar 模糊标题匹配，默认 0.6 词重叠阈值），每篇 paper 输出 4 态（verified / unverified / verify_pending / error），顶层 verdict 对齐 assurance-contract.md（PASS / WARN / BLOCKED / ERROR）。关键设计点：网络瞬时失败（5xx、超时、429）单独标 verify_pending 且不计入幻觉率，避免网络挂被当成伪造引用。per-project 缓存路径 <project>/.aris/cache/verify_papers.json，30 天 TTL；缓存键优先级 arxiv:{id_去版本号} → doi:{小写} → title:{sha1[:16]}。shared-references/citation-discipline.md 新增 Pre-Search Verification Protocol 小节，明确 search-time vs write-time 分工：本协议是 SEARCH（Step 1）和完整 VERIFY（Step 2）之间的快速过滤器；/citation-audit 和 /paper-claim-audit 仍是 submission 时的硬性 audit gate，没被替代。/research-lit 新增 mandatory Step 1.5: Verify Candidate Papers 调 helper；/idea-creator 和 /novelty-check 各加 1 行 Key Rule 引用，覆盖 landscape 引用和 Closest Prior Work 表格。保留而非静默删除：未验证 paper 留在输出里打 [UNVERIFIED] 标记，让搜索质量问题对用户可见。可选：shell 里 export ARIS_VERIFY_EMAIL=you@institution.edu 进 CrossRef polite-pool 提高速率。最初由 @YiwenZhu77 在 #120 提出——做了干净重写而非直接合 PR（PR 5 周老 + scope creep 到 figure-style）。

• 2026-05-06 — 🎤 /paper-talk workflow + /slides-polish skill —— 端到端 conference talk pipeline。/paper-talk 编排 paper → slide outline → Beamer + PPTX → per-page polish → assurance 审计 → final report（/paper-writing、/paper-poster 的姊妹 workflow）；组合 /paper-slides、/slides-polish，assurance: conference-ready 时再叠 /paper-claim-audit + /citation-audit。/slides-polish 是 post-generation 视觉打磨阶段：per-page Codex 对照 reference PDF 一页一页审 + 一套针对性 python-pptx / Beamer fix pattern（PPTX 字号 1.5-1.8× 缩放保证投影可读、字号 bump 后 text frame resize、banner 真用 tcolorbox 而不是 centered text、italic style 泄漏防御、em-dash 间距、中文 EA font hint 走 PingFang SC、anonymity placeholder 纪律）。Assurance 阶梯 draft / polished（默认）/ conference-ready 与 effort 轴正交——effort: lite, assurance: conference-ready 合法，意为「快流水线 + 每个审计必出 verdict 才能 final」。Phase 4 staging adapter 把 slide 文字 + 讲稿 + 完整 script 物化成合成 paper 目录（.aris/paper-talk/audit-input/sections/*.tex + symlink 真实 .bib / results/ / figures/），让现有 /paper-claim-audit 和 /citation-audit 用它们 paper-shaped 合约审 talk 内容，输出 6 态 JSON verdict（见 shared-references/assurance-contract.md）。

• 2026-05-05 — 🔁 /resubmit-pipeline —— Workflow 5：跨 venue 文本-only 重投流程 (#208)。把已经打磨好的 paper 从一个 venue 移到另一个，硬约束：不跑新实验、不改 bib、不动 framework、不覆盖任何先前 submission 目录。5 阶段：物理隔离 → 5 层匿名检查 → 三审（proof / claim / citation --soft-only）→ /auto-paper-improvement-loop --edit-whitelist 微编辑 + 每轮 diff gate → /kill-argument 对抗 gate → 终编译 + /overleaf-sync 推送。同 PR 一起落地两个前置 skill 升级：/auto-paper-improvement-loop --edit-whitelist <path>（YAML schema，含 allowed_paths / forbidden_paths / forbidden_operations（如 new_cite / new_theorem_env / numerical_claim）/ forbidden_deletions / requires_user_approval_for / max_edits_per_round）和 /citation-audit --soft-only（bib 冻结时把 KEEP/FIX/REPLACE/REMOVE 翻译成文本改写建议；hallucinated 引用走 drop_cite_in_body_only 动作）。Master RESUBMIT_REPORT.json ledger 兼容 shared-references/assurance-contract.md；7 态 verdict 表（含 USER_DECISION runtime 状态）。

• 2026-05-05 — 🗡 /kill-argument —— 理论论文的对抗式 Attack-Adjudication review (#206)。两个新鲜 codex 5.5 + xhigh thread：Thread 1 写senior area chair 会写的最强 200 字 rejection memo；Thread 2 是独立 adjudicator（不是 paper 的辩护人），读当前 paper 把每个攻击点分类为 answered_by_current_text / partially_answered / still_unresolved，带 file:line evidence。输出 KILL_ARGUMENT.{md,json}，detect-only。集成为 /paper-writing 的 Phase 5.6（在 claim-audit 和 citation-audit 之间），同时作为 /auto-paper-improvement-loop Step 5.5 的 canonical 调用——两处都不再内嵌 prompt 模板。assurance: submission 时对理论/scope-heavy paper 强制运行；非理论纯 empirical paper 自动 emit NOT_APPLICABLE。审计 JSON 兼容 verify_paper_audits.sh（完整 schema 见 shared-references/assurance-contract.md，6 态 verdict）。补 score-based review 漏掉的失败模式：每个 local 组件都对（数字对、引用对、定理证）但论文整体还是 oversell 了它真正证明的东西。

• 2026-05-04 — 🪲 /research-wiki 和 8 个调用方 skill 改用 fallback chain 解析 helper (#204)。Bug：跑过 bash tools/install_aris.sh 后 helper 在 .aris/tools/research_wiki.py（symlink），但 skill 写死了 tools/research_wiki.py，调用时 silently 失败——整个 W1 跑完 research-wiki/ 一直是空的。修复：3 层 chain（.aris/tools/ → tools/ → $ARIS_REPO/tools/），canonical pattern 在 shared-references/wiki-helper-resolution.md。手动 cp 到 <project>/tools/research_wiki.py 的临时方案是 chain 第二层，照常 work。⚠️ 已装 ARIS 用户：重跑一次 bash tools/install_aris.sh——同时拿到 helper 的 Python 3.9 ImportError 修复（独立 bug）。

• 2026-05-03 — 🎨 写作类 skill 的 opt-in — style-ref: <source> 参数 (#202)。/paper-{plan,write,writing,illustration,poster,slides}、/grant-proposal、/auto-paper-improvement-loop 接受可选的 — style-ref: <source> 参数，模仿参考论文的结构性风格（section 顺序、theorem/figure 密度、句长节奏、引用风格），但不复制其 prose / claim / 术语。支持的 source：本地 .tex 目录/文件、本地 PDF、arXiv id（2501.12345 或 arxiv:2501.12345）、HTTP/HTTPS URL。Overleaf URL/ID 会被拒绝——先 /overleaf-sync setup <id> 把项目 clone 到本地再传路径。默认关闭；不传参数时所有 8 个 skill 行为完全不变。Reviewer / auditor 子 skill（/proof-checker、/paper-claim-audit、/citation-audit、improvement-loop reviewer）永远拿不到 style ref——跨模型 review 独立性保留。⚠️ 已安装 ARIS 的用户：helper 是新的 tools/extract_paper_style.py，通过 .aris/tools symlink 分发（install_aris.sh Phase 0，#192 引入）。重跑一次 bash tools/install_aris.sh 刷新 symlink 即可拿到 helper。手动 fallback：cp <ARIS-repo>/tools/extract_paper_style.py <你的项目>/tools/。两者都没做的话，writer skill 会 abort 并给清晰错误指向这条 News

• 2026-05-02 — 🪨 社区项目推荐：rosetta by @SyntaxSmith。Node 程序化访问 ChatGPT Pro / gpt-5.5-pro / DeepResearch——Chrome CDP Fetch 拦截 + WebSocket second-leg streaming；自带 MCP server（Claude Code / Codex / Cline）。是 ARIS 用户 — reviewer: oracle-pro 调高 tier reviewer 的另一种实现路径——同样的能力目标（Pro 级 reviewer），不同机制。已收录到社区 Skills & 扩展。觉得有用 🌟 一下！

• 2026-05-02 — 💎🧿 Model & MCP routing 更新。(a) /gemini-search 默认升级到 gemini-3-pro-preview（最强 Gemini 开箱默认）。⚠️ 需要操作：需要 gemini-cli v0.40+（gemini --version 查版本；老版本 npm i -g @google/gemini-cli 升级）。Legacy override：/gemini-search "topic" — model: gemini-2.5-pro。其他 override：gemini-3-flash-preview（更快）、auto-gemini-3（按负载 route）。(b) /idea-discovery Phase 1 现在默认包含 Gemini 文献检索 (#199)——除非用户显式传 — sources:，否则给 /research-lit 自动注入 — sources: all, gemini；没装 gemini-cli 时优雅 skip。(c) Oracle MCP 上游 PR 队列（steipete/oracle/pulls）是用 — reviewer: oracle-pro（尤其 o3-deep-research / gpt-5.5-pro）时开 issue 之前的第一排查点——ARIS 不 vendor Oracle MCP，你跑的是 @steipete/oracle npm 发布版（reviewer-routing.md）

• 2026-05-02 — 🛠️🔗 Tools-infrastructure 迁移启动。(a) install_aris.sh 创建可选 .aris/tools 符号链接 (#192, 关闭 #174)——4 步 tools-stability 迁移（#174 → #176 → #177 → #178）的 Phase 0；幂等，对老用户零影响直到 rerun installer。(b) /experiment-queue 编排路径修复 (#193)——symlink 第一个真实用户；修了 7 个串联 bug，3 轮 Codex MCP gpt-5.5 xhigh review 抓出 cascade。纯 prose + docstring；queue_manager.py Python 逻辑未动。Windows install_aris.ps1 平行更新作为 follow-up

• 2026-05-02 — 🔬 三个 opt-in audit flag 通过 fast-path delegated-agent 工作流落地 (#187, #188, #189)。/citation-audit --uncited 扫出 bib 里没人 \cite{} 的死条目（纯检测）。/proof-checker --deep-fix 给 Phase 1 reviewer prompt 加 repair-grade 修复计划（corrected_statement / patch plan / closure tests + Schur/quadratic-form 代数 sanity）。/proof-checker --restatement-check 加 Phase 3.6 跨位置定理飘移检测（6 类 drift signature）。flag 不传时零行为变化。同期合了两条文档 PR（#190 thread-policy / #191 auto-loop xref）。delegated-agent + maintainer-fixup 模式；Codex MCP gpt-5.5 xhigh review 抓出 6+ 个 blocker

• 2026-05-01 — 🔍 /research-lit 新增 Gemini + OpenAlex 文献源 (#175，社区贡献 @stdAri)。两个 opt-in 源：/gemini-search（AI 驱动的广覆盖检索，走 jamubc/gemini-mcp-tool MCP）+ /openalex（2.5 亿+ 条目开放引用图，免 API key）。— sources: gemini 或 openalex 显式触发；默认 all 不含（老用户零变化）。Maintainer fixup：修正 @google/gemini-cli npm 包名 + 加 try/except ImportError 让缺 requests 时 OpenAlex silent skip

• 2026-04-20 — 🩹 项目级安装重构：扁平布局 + manifest 追踪 — 修一个真 bug：老的嵌套安装（.claude/skills/aris/）让 Claude Code 的 slash command 自动补全发现不了 skill（CC 只扫一层目录）。在此日期之前用过 install_aris.sh 的项目都中招但大多没意识到。新的 install_aris.sh 给每个 skill 单独创建 symlink 到 .claude/skills/<name>，写版本化 manifest 到 .aris/installed-skills.txt，可重入——再跑一次会自动 reconcile 上游的新增/删除。防御性设计：13 条安全规则（不写穿 symlinked 父目录、mutate 前精确 revalidate target、slug 正则、同目录 atomic rename、绝不覆盖真实文件、mkdir 锁跨平台、ADOPT 状态用于崩溃恢复、…）。--force 拆成细粒度 --adopt-existing / --replace-link。迁移路径：--from-old 走老 symlink；--migrate-copy keep-user|prefer-upstream 走老 copy。smart_update.sh --target-subdir .claude/skills/aris 已弃用并重定向到 install_aris.sh。同时修了 cp -r 的 stale-file bug（现在用 rm -rf && cp -r，上游删的文件不再残留）

• 2026-04-19 — 🔗 /overleaf-sync — 本地 ARIS 论文目录与 Overleaf 项目的双向桥接，基于官方 Overleaf Git Bridge（Premium）。让合作者继续在 Overleaf 网页端编辑，本地同时跑 ARIS 审计/改写流水线（/paper-claim-audit、/citation-audit、/auto-paper-improvement-loop）。子命令：setup（一次性，由用户在终端完成，agent 全程不接触 token）/ pull（diff-protocol——自动识别半截草稿、typo、需要重新触发审计的数字/引用改动）/ push（写入共享 Overleaf 状态前必须用户确认）/ status（三方差异诊断）。Token 永远不进入 agent 或任何文件——只在用户终端里输入一次，存进 macOS Keychain，之后 agent 所有操作都免认证

• 2026-04-19 — 📚 /citation-audit — 证据-到-claim 审计栈的第四层也是最后一层（experiment-audit → result-to-claim → paper-claim-audit → citation-audit）。新鲜跨家族 reviewer（gpt-5.4 通过 Codex MCP）配合 web/DBLP/arXiv 实时查找，对每个 \cite{...} 沿三条独立轴进行验证：存在性（论文是否真在所声称的 arXiv ID/DOI/会议）、元数据正确性（作者/年份/会议/标题与权威源一致）、上下文恰当性（被引论文是否真正支持引用处的 claim——这是最具诊断价值的检查）。每条 entry 给出 KEEP / FIX / REPLACE / REMOVE 判决。已自动集成到 Workflow 3 Phase 5.8 作为投稿前的参考文献门控。实证动机：在一次真实投稿 run 中，多篇真实论文被引用在它们实际不支持的语境中，至少一条 entry 的 author 字段是 "Anonymous"——这些都是仅做元数据检查会漏掉的问题

• 2026-04-17 — 🔀 /experiment-queue 集成到 Workflow 1.5 + research-pipeline — experiment-bridge Phase 4 Deploy 阶段按 milestone 任务数自动路由：≤5 jobs → /run-experiment，≥10 jobs 或 phase 依赖 → /experiment-queue（自带 OOM 重试 / stale screen 清理 / wave 切换门控 / 崩溃安全状态）。新增 --- batch: queue 全局强制选项。EXPERIMENT_PLAN.md 里的大型多种子 sweep（如 36 格 N × seed × n_train grid）现在自动用队列调度，无需手动调用

• 2026-04-17 — 🔗 项目级 symlink 安装（解决 #118）— 新推荐默认安装方式。bash tools/install_aris.sh 自动检测平台（Claude Code / Codex CLI），创建 .claude/skills/aris 或 .agents/skills/aris symlink 指向 ARIS 仓库，在 CLAUDE.md / AGENTS.md 添加 <!-- ARIS:BEGIN --> 管理块告知 agent 仅用项目本地 skill，并在 .aris/skill-source.txt 记录安装元数据。解决 skill 命名冲突问题——当 ARIS 与 Superpowers / OpenHands 等社区 skill 包共用全局目录时，agent 会错误调用其他包的 skill 打断 ARIS 工作流。Windows 用户用 install_aris.ps1（基于 junction）。同时 smart_update.sh 新增 --target-subdir 参数支持 Codex .agents/skills/aris 项目级 copy 安装；symlink 安装会被拒绝并提示用 git pull 更新。全局安装继续支持给 power user

• 2026-04-16 — 🎨 /figure-spec — 确定性 JSON→SVG 渲染器正式包装为一级 skill。论文架构图/工作流/流水线/审计级联图的首选默认方案。形状感知边裁剪（矩形/圆/椭圆/菱形）、自环、弯曲边、多行标签含 CJK 宽度估算。矢量输出可编辑、可复现（相同 spec → 相同 SVG）、无外部 API。Workflow 3 Phase 2b 恢复：illustration: figurespec（新默认）/ gemini / mermaid / false——四档作图引擎互补并存

• 2026-04-16 — ⚙️ /experiment-queue — 面向多 seed 多配置 ML 实验的 SSH 任务队列。从真实 36 格 NeurIPS sweep 的痛点反推设计：OOM 感知重试（延迟退避）、stale screen 清理、wave 切换竞争防护、teacher→student 阶段依赖、崩溃安全的调度器（从 JSON 状态恢复）。声明式 grid 自动展开（如 N × seed × n_train → 36 jobs）。conda_hook + gpu_free_threshold_mib 可配置以适应非标准环境。≥10 jobs 时使用；/run-experiment 继续服务单点实验

• 2026-04-15 — 🛡️ 论文写作流水线加固 — 基于真实 NeurIPS run 失败分析的 10 个 patch。REVIEWER_BIAS_GUARD=true：每轮 review 用全新 thread（codex-reply 导致分数从真实 3/10 膨胀到虚假 8/10）。Reviewer Independence Protocol：禁止向 reviewer 传递修复摘要。Step 4.5 定理重述回归测试：捕捉修复轮次中的定理漂移。Step 5.5 Kill Argument Exercise：理论论文最终轮对抗攻防。位置感知 overfull 阻断。/paper-write 新增 Theory Paper Consistency Pass。Bib Hygiene 强制 DBLP/CrossRef 验证。Phase 5.5 Mandatory Final Claim Audit 作为投稿门控。Review Tracing Protocol：完整 prompt/response 对保存到 .aris/traces/，支持 reviewer-independence 审计（review-tracing.md，save_trace.sh）。灵感来自社区贡献 @李傲龍

• 2026-04-15 — 🎨 FigureSpec 渲染器 v2 — 确定性 JSON→SVG 论文作图。形状感知边裁剪（矩形/圆/椭圆/菱形）、自环、弯曲边、多行标签含 CJK 宽度估算、综合输入验证。经 5 轮 Codex review（3/10→7/10）。ARIS 技术报告中的所有架构图和工作流图均由此生成。/paper-illustration 新增 --- mode: vector 模式

• 2026-04-14 — 📋 /paper-claim-audit — 零上下文论文-证据验证。全新 reviewer（无任何先验上下文）逐一比对论文中的每个数字与原始结果文件。捕捉四舍五入膨胀、最优种子挑选、配置不匹配、增量误差、范围过度声明。自动集成到工作流 3（Phase 4.7）。完成三层审计链：/experiment-audit（代码）→ /result-to-claim（科学）→ /paper-claim-audit（报告）。👁️ Visual PDF review 同步加入 improvement loop——reviewer 现在看编译后 PDF，不只是 LaTeX 源码

• 2026-04-13 — 🧿 GPT-5.4 Pro via Oracle — — reviewer: oracle-pro 调用最强推理模型。API 模式（快）或浏览器模式（免费）。支持 /research-review、/auto-review-loop、/experiment-audit、/proof-checker、/rebuttal、/idea-creator、/research-lit。默认仍为 Codex xhigh。未安装 = 零影响。设置 →

• 2026-04-13 — 🔬 /proof-checker — 严格数学证明验证。20 类问题分类、双轴严重度、侧条件检查表（DCT/MCT/Fubini/IFT/...）、反例红队、证明义务台账。自动集成到工作流 3。

• 2026-04-10 — ⚡ Effort Levels — — effort: lite | balanced | max | beast。控制工作强度。Codex reasoning 永远 xhigh。beast = 全部拉满。默认 balanced = 零变化。

• 2026-04-10 — 🔎 DeepXiv 集成 — 渐进式文献检索。— sources: deepxiv。pip install deepxiv-sdk。社区贡献 by @DreamEnding

• 2026-04-10 — 🛡️ /experiment-audit — 跨模型实验诚实度验证。GPT-5.4 直接读你的评估脚本和结果，检查伪造 GT、分数归一化作弊、幽灵结果、范围夸大（#131, #57）。仅警告不阻断。/result-to-claim 自动读取审计结果。新增 experiment-integrity.md 共享规则。执行者不得审判自己的诚实度。

• 2026-04-10 — 🧠 tools/smart_update.sh — 智能技能更新器。对比本地 vs 上游，检测个人定制（服务器路径、API key 等），只更新安全的 skill。bash tools/smart_update.sh --apply

• 2026-04-10 — 🏆 社区论文：UAV-CC — 首篇带完整 PDF 存档的社区论文。无人机变化描述基准，投稿 IEEE TGRS，作者 @wxx827。配置：Claude Opus 4.6 + Codex 5.4 xhigh + Cursor。论文存档于 community_papers/

• 2026-04-08 — 📚 /research-wiki — 持久化研究知识库，灵感来自 Karpathy 的 LLM Wiki。跨研究全生命周期积累论文、想法、实验、claim 及其 typed 关系。Wiki hooks 集成到 /research-lit（论文入库）、/idea-creator（读 wiki + 写回 idea）、/result-to-claim（更新 claim 状态 + 触发重新构思）。失败的 idea 成为防重复记忆。ARIS 现在能从错误中学习。

• 2026-04-05 — 🧬 /meta-optimize — ARIS 外循环 harness 优化。通过 Claude Code hooks 被动记录技能调用、工具执行、失败和参数覆盖。运行 /meta-optimize 分析使用数据，提出 SKILL.md 改进方案——经 reviewer 审核、用户批准。灵感来自 Meta-Harness（Lee et al., 2026）。ARIS 现在可以优化自己。

• 2026-04-04 — 🔧 Codex Plugin 深度集成 — 实验失败（工作流 1.5）或 LaTeX 编译出错（工作流 3）时，自动调用 /codex:rescue 让 GPT 独立诊断 bug，再由 Claude 重试。两个 AI 一起 debug。codex exec 驱动 nightmare review，/codex:rescue 驱动 auto-debug，各司其职

• 2026-04-03 — ☁️ Modal 无服务器 GPU — 没有 GPU？CLAUDE.md 写 gpu: modal，一条命令跑实验，无需 SSH/Docker，跑完自动停止。$30/月免费额度，pip install modal && modal setup 即可体验 ARIS 全流程。社区贡献 by @zeyuzhangzyz

• 2026-04-03 — 🎮 审稿难度等级 — medium（默认，不变）、hard（reviewer memory + 辩论协议）、nightmare（GPT 通过 codex exec 直接读代码仓库，Claude 无法隐藏任何东西）。投顶会前用 — difficulty: nightmare 做极限压测

• 2026-03-27 — 📄 IEEE 模板（9 个 venue 族）+ 🔎 Semantic Scholar。By @ypd666

• 2026-03-26 — 📄 文档输入 — RESEARCH_BRIEF.md 自动检测

• 2026-03-24 — 📝 工作流 4：/rebuttal — 7 阶段，3 道安全门

• 2026-03-23 — 🔧 /training-check、/result-to-claim、/ablation-planner 集成。📦 compact 模式。By @JingxuanKang & @couragec

• 2026-03-22 — 📋 模板 + 📄 7 个会议模板 + 🛡️ 反幻觉修复 + 🔗 base repo

• 2026-03-22 — 🔍 Codex + Gemini 审稿 — Codex 执行，Gemini 审稿

• 2026-03-20 — 🚀 Antigravity 适配。社区贡献 by @PeppaPigw

• 2026-03-20 — 🖥️ Trae 适配。社区贡献 by @Prometheus-cotigo。🔢 formula-derivation。社区贡献 by @Falling-Flower

• 2026-03-19 — 🖼️ paper-poster。社区贡献 by @dengzhe-hou

• 2026-03-19 — 🔗 工作流 1.5 升级 — GPT-5.4 代码审查 + W&B 修正

• 2026-03-18 — 🎤 paper-slides + 🔁 Codex+Claude bridge + 🖱️ Cursor 适配 + 🤖 Codex CLI skills + 📝 grant-proposal + 🎨 paper-illustration + 📊 CitationClaw

• 2026-03-17 — 🔧 Git 代码同步 + 🆓 ModelScope 指南 + 参数透传

更早的更新（2026-03-12 — 2026-03-16）

• 2026-03-16 — 🔬 research-refine + experiment-plan — 模糊 idea → 问题锚点明确的方案 + claim-driven 实验路线图。社区贡献 by @zjYao36
• 2026-03-16 — 🇨🇳 阿里百炼 Coding Plan 接入指南 — 一个 API Key、4 款模型。社区贡献 by @tianhao909
• 2026-03-15 — 🔀 自带模型！ 任意 OpenAI 兼容 API 均可作为审查器
• 2026-03-15 — 🐾 OpenClaw 适配指南 — 在 OpenClaw 中使用 ARIS 工作流
• 2026-03-15 — 📐 proof-writer + 📚 反幻觉引用（DBLP/CrossRef）
• 2026-03-14 — 📱 飞书集成：三种模式（关闭/推送/交互）
• 2026-03-13 — 🛑 Human-in-the-loop：AUTO_PROCEED 检查点
• 2026-03-12 — 🔗 Zotero + Obsidian + arXiv/Scholar 多源文献检索
• 2026-03-12 — 🚀 三大工作流端到端贯通 + 📝 论文写作流水线（4/10 → 8.5/10）

3. 🚀 快速开始

# 1. 安装 skills —— 项目级 symlink（推荐）
git clone https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep.git
bash Auto-claude-code-research-in-sleep/tools/install_aris.sh ~/your-project   # 把 ARIS skill symlink 进 <project>/.claude/skills/
# （想全局安装？cp -r Auto-claude-code-research-in-sleep/skills/* ~/.claude/skills/）

# 可选：Codex mirror 项目级受管安装
bash Auto-claude-code-research-in-sleep/tools/install_aris_codex.sh ~/your-codex-project

# Codex 受管项目更新
cd Auto-claude-code-research-in-sleep && git pull
bash Auto-claude-code-research-in-sleep/tools/install_aris_codex.sh ~/your-codex-project --reconcile

# 仅用于 Codex copy install（不要用于 install_aris_codex.sh 管理的项目）
bash Auto-claude-code-research-in-sleep/tools/smart_update_codex.sh --local ~/.codex/skills
bash Auto-claude-code-research-in-sleep/tools/smart_update_codex.sh --local ~/.codex/skills --apply

# 2. 配置 Codex MCP（review 类 skill 需要）
npm install -g @openai/codex
codex setup                    # 提示选模型时选 gpt-5.6-sol
claude mcp add codex -s user -- codex mcp-server

# 3. 在 Claude Code 中使用
claude
> /idea-discovery "你的研究方向"              # 工作流 1 — 方向要具体！不要 "NLP"，要 "离散扩散语言模型的 factorized gap"
> /experiment-bridge                         # 工作流 1.5 — 有计划了？实现 + 部署 + 收结果
> /auto-review-loop "你的论文主题或范围"         # 工作流 2：审稿 → 修复 → 再审，一夜完成
> /paper-writing "NARRATIVE_REPORT.md"       # 工作流 3：研究叙事 → 精修 PDF
> /rebuttal "paper/ + reviews" — venue: ICML  # 工作流 4：解析 review → 起草 rebuttal → follow-up
> /resubmit-pipeline "paper/" — venue: NeurIPS  # 工作流 5：把已打磨论文移植到新 venue（纯文本，不跑新实验）
> /paper-talk "paper/" — venue: ICLR            # 工作流 6：论文 → Beamer + PPTX talk slides + 讲稿 + 评审审计
> /research-pipeline "你的研究方向"            # 全流程：工作流 1 → 1.5 → 2 → 3 端到端
> /research-wiki init                          # 📚 启用持久化研究记忆（一次性）
> /meta-optimize                               # 元优化：分析使用记录 → 提出技能改进方案

📚 Research Wiki（可选） —— 一行 init 启用跨 session 持久记忆；完整说明见 § Research Wiki

给 ARIS 装上持久记忆。论文、idea、失败实验——什么都不忘：

# 在 Claude Code 中：
> /research-wiki init                         # 创建 research-wiki/ 目录
# 搞定。此后 /research-lit 自动入库论文，/idea-creator 读 wiki 再想 idea
# （并把 idea 写回），/result-to-claim 更新 claim 状态。
# 失败的 idea 成为未来构思的防重复记忆。

🧬 元优化（可选） —— 被动使用日志 + /meta-optimize 出数据驱动的 SKILL.md 改进建议；完整说明见 § 工作流 M

在普通终端（不是 Claude Code 会话内）运行以下命令启用被动日志：

# 在项目目录下一次性设置
mkdir -p .claude .aris/meta tools/meta_opt
cp Auto-claude-code-research-in-sleep/templates/claude-hooks/meta_logging.json .claude/settings.json
cp Auto-claude-code-research-in-sleep/tools/meta_opt/*.sh tools/meta_opt/
chmod +x tools/meta_opt/*.sh
# 然后启动 Claude Code — hooks 立即生效
claude

事件同时记录到项目级（.aris/meta/events.jsonl）和全局（~/.aris/meta/events.jsonl）日志。累积 5 次以上工作流运行后，运行 /meta-optimize 查看改进建议。使用 /meta-optimize --global 分析跨项目的使用趋势。

📝 模板 + 🔎 DeepXiv + 🔎 Exa + 🗑️ 卸载 —— 输入模板、两个额外文献源、以及卸载命令

📝 模板可用！ 见 templates/ 目录——每个工作流都有现成输入模板：研究简报（工作流 1）、实验计划（工作流 1.5）、研究叙事（工作流 3）、论文大纲（工作流 3）。

🔎 可选：DeepXiv 渐进式论文检索

pip install deepxiv-sdk

安装后可直接使用 /deepxiv，或在 /research-lit 中通过 — sources: deepxiv / — sources: all, deepxiv 显式启用。

🔎 可选：Exa AI 智能网页搜索

pip install exa-py
export EXA_API_KEY=your-key-here

安装后可直接使用 /exa-search，或在 /research-lit 中通过 — sources: exa / — sources: all, exa 显式启用。覆盖博客、文档、新闻和研究论文，并内置内容提取。

🗑️ 卸载： 仅删除 ARIS skills，不影响你自己的 skills：

cd Auto-claude-code-research-in-sleep && ls skills/ | xargs -I{} rm -rf ~/.claude/skills/{}

展开全部 15 个内联参数和 8 个 override 示例 —— AUTO_PROCEED / sources / arxiv download / DBLP_BIBTEX / code review / wandb / illustration / venue / base repo / compact / ref paper / effort / reviewer / difficulty（完整 per-skill 默认值见 § 自定义）

所有流水线行为均可通过内联参数配置——在命令后追加 — key: value：

参数	默认	说明
AUTO_PROCEED	true	在 idea 选择关卡自动继续。设为 false 可在花 GPU 前手动挑选 idea
human checkpoint	false	每轮 review 后暂停，让你查看分数、给出修改意见、跳过特定修复或提前终止
sources	all	搜索哪些文献源：zotero、obsidian、local、web、semantic-scholar、deepxiv、exa、all。semantic-scholar、deepxiv 和 exa 都需显式指定
arxiv download	false	文献调研时下载最相关的 arXiv PDF。为 false 时仅获取元数据（标题、摘要、作者）
DBLP_BIBTEX	true	从 DBLP/CrossRef 获取真实 BibTeX，替代 LLM 生成。杜绝幻觉引用。零安装
code review	true	GPT-5.6-Sol xhigh 部署前审查实验代码。设 false 跳过
wandb	false	自动给实验脚本加 W&B 日志。设 true + 在 CLAUDE.md 配 wandb_project。/monitor-experiment 从 W&B 拉训练曲线
illustration	gemini	工作流 3 AI 作图：gemini（默认，需 GEMINI_API_KEY，获取）、mermaid（免费）、false（跳过）
venue	ICLR	目标会议：ICLR、NeurIPS、ICML、CVPR、ACL、AAAI、ACM、IEEE_JOURNAL、IEEE_CONF。决定 LaTeX 样式和页数限制
base repo	false	GitHub 仓库 URL，克隆作为实验基础代码（如 — base repo: https://github.com/org/project）。没有代码？基于开源项目开发
compact	false	生成精简摘要文件（IDEA_CANDIDATES.md、findings.md、EXPERIMENT_LOG.md），适合短 context 模型和 session 恢复
ref paper	false	参考论文（PDF 路径或 arXiv URL）。先总结论文，再基于它找 idea。配合 base repo 实现"论文+代码"工作流
effort	balanced	工作强度：lite(0.4x)、balanced(默认)、max(2.5x)、beast(5-8x)。Codex reasoning 永远 xhigh
reviewer	codex	审稿后端：codex（GPT-5.6-Sol,分档 xhigh/ultra,默认）、oracle-pro（GPT-5.5 Pro via Oracle）
difficulty	medium	审稿对抗强度：medium（默认）、hard（+ memory + 辩论）、nightmare（+ GPT 通过 codex exec 直读仓库）

/research-pipeline "你的课题" — AUTO_PROCEED: false                          # 在 idea 选择关卡暂停
/research-pipeline "你的课题" — human checkpoint: true                       # 每轮 review 后暂停，可给修改意见
/research-pipeline "你的课题" — sources: zotero, web                         # 只搜 Zotero + 网络（跳过本地 PDF）
/research-pipeline "你的课题" — sources: all, deepxiv                        # 默认源 + DeepXiv 渐进式检索
/research-pipeline "你的课题" — sources: all, exa                            # 默认源 + Exa AI 智能网页搜索
/research-pipeline "你的课题" — arxiv download: true                         # 文献调研时下载最相关的 arXiv PDF
/research-pipeline "你的课题" — difficulty: nightmare                        # 投顶会前极限压测
/research-pipeline "你的课题" — AUTO_PROCEED: false, human checkpoint: true  # 组合使用

Codex MCP 配置 + 替代 reviewer 路由 —— 在 ~/.codex/config.toml 钉模型；Codex+Claude 审稿、Codex+Gemini 审稿、Codex mirror 安装链的入口指向

重要： ARIS skill 现在在每个 fresh call 里显式钉住 reviewer（model: gpt-5.6-sol + 按档位的 reasoning effort）——~/.codex/config.toml 不再静默决定 reviewer。仍建议在其中写 model = "gpt-5.6-sol"：它覆盖 codex 原生/mirror 会话和任何未钉住的调用。ultra/max 档需要 codex-cli ≥ 0.144.1 并重启 session。

想让 Codex 执行、Claude Code 审稿？ 见 docs/CODEX_CLAUDE_REVIEW_GUIDE_CN.md。这条路径会先安装基础 skills/skills-codex/*，再叠加 skills/skills-codex-claude-review/*，并通过本地 claude-review MCP bridge 转发 review-heavy skill 的审稿请求。

想让 Codex 执行、Gemini 在本地做审稿？ 见 docs/CODEX_GEMINI_REVIEW_GUIDE_CN.md 和英文版。这条路径会先安装基础 skills/skills-codex/*，再叠加 skills/skills-codex-gemini-review/*，并通过本地 gemini-review MCP bridge 转发 reviewer-aware 预定义 skills 的审稿请求，默认 direct Gemini API。

想走 Codex mirror 安装链？ 项目级受管安装用 tools/install_aris_codex.sh，copy 安装更新用 tools/smart_update_codex.sh。Claude 脚本仍然是 Claude 主线入口。

Codex 基础镜像默认由新的 Codex spawn_agent 自审：流程可以继续，但结果明确记录为 same-family / provisional。只有 Claude/Gemini overlay 或确定性验证才能记录 accepted；投稿报告会据此输出 submission-ready: provisional | yes | no。

详见完整安装指南和替代模型组合（无需 Claude/OpenAI API）。

4. ✨ 功能亮点

ARIS 用 80 个可组合 skill 覆盖科研全生命周期——文献查新 → idea 发现 → GPU 实验 → 自动 review 循环 → 论文写作 → peer review——配合跨模型对抗审（Claude 执行 · GPT-5.6-Sol xhigh 审 · 可选 GPT-5.5 Pro via Oracle）、DBLP/CrossRef 反幻觉引用、持久化 Research Wiki、灵活模型后端、human-in-the-loop 检查点，以及可选的飞书 / Zotero / Obsidian / GPU 集成。

🔥 而且这套"广度 / 审 / 记忆"三角能适配任何 agent 的 ultracode 式深度模式：广度 pass 适配运行时暴露的能力（Claude Code 原生 ultracode / workflows + Opus 4.8、Codex spawn_agent，或纯顺序执行），并按层级干净降级（fan-out → agent spawn → 顺序）。三件事分得很清楚：广度 · 跨模型对抗审 → 准确性 · research wiki → 记忆性。无论循环由谁推进，最后都回到同一套跨模型对抗审 + research wiki：能推进，不能定案。

完整功能清单

• 📊 80 个可组合 skill — 自由混搭，或串联为完整流水线（/idea-discovery、/auto-review-loop、/paper-writing、/research-pipeline）。完整目录 →

• 🔍 文献 & 查新 — 多源论文搜索（Zotero + Obsidian + 本地 PDF + arXiv/Scholar）+ 跨模型查新验证

• 💡 Idea 发现 — 文献调研 → 头脑风暴 8-12 个 idea → 查新 → GPU pilot 实验 → 排名报告

• 🔄 自动 review 循环 — 4 轮自主审稿，一夜从 5/10 提升到 7.5/10，自动跑 20+ 组 GPU 实验

• 📝 论文写作 — 研究叙事 → 大纲 → 图表 → LaTeX → PDF → 自动审稿（4/10 → 8.5/10），一条命令。通过 DBLP/CrossRef 反幻觉引用

• 🤖 跨模型协作 — Claude Code 执行，GPT-5.6-Sol xhigh 审稿。对抗式而非自我博弈。可选：— reviewer: oracle-pro → GPT-5.5 Pro via Oracle

• 📝 Peer Review — 以审稿人视角审阅他人论文，结构化打分 + meta-review

• 🖥️ 审稿驱动实验 — GPT-5.6-Sol 说"跑个消融"，Claude 自动写脚本、rsync 到 GPU、screen 启动、收结果、写回论文。CLAUDE.md 里配服务器（配置），或用 gpu: vast 从 Vast.ai 按需租

• 🔀 灵活模型 — 默认 Claude × GPT-5.6-Sol，也支持 GLM、MiniMax、Kimi、LongCat、DeepSeek 等——无需 Claude 或 OpenAI API

• 🛑 Human-in-the-loop — 关键决策点可配置检查点。AUTO_PROCEED=true 全自动，false 逐步审批

• 📱 飞书通知 — 三种模式：关闭（默认，推荐）、仅推送（webhook → 手机）、双向交互（飞书里审批/回复）。未配置时零影响

  预览：推送卡片（群聊）& 交互对话（私聊）

  仅推送 — 群聊彩色卡片（实验完成、checkpoint、报错、流水线结束）：

  

  双向交互 — 与 Claude Code 私聊（审批/拒绝、自定义指令）：

  

• 📚 Research Wiki — 持久化知识库，跨论文/idea/实验/claim 累积记忆。失败的 idea 成为防重复记忆——ARIS 每跑一次都更聪明。灵感来自 Karpathy 的 LLM Wiki

• 🧩 可扩展 — 欢迎贡献领域专用 skill！添加一个 SKILL.md 即可提 PR。参见社区 skills，如 dse-loop（体系结构/EDA）

ARIS 现有 80+ 个 skill，覆盖文献调研、idea 生成、实验、审计、论文写作、演讲、专利、meta 工具等——完整目录（每个 skill 含 role / category / 依赖）在 docs/SKILLS_CATALOG.md，独立成文以保持 README 可扫读。

常用入口 —— 场景 → 入口 skill

场景	入口 skill
端到端研究（idea → paper）	/research-pipeline
Idea 发现 + 方案精炼	/idea-discovery
按计划跑实验	/experiment-bridge
自动 review → 修 → 再 review	/auto-review-loop
报告 → 打磨 PDF	/paper-writing
回应审稿意见	/rebuttal
跨 venue 移植论文	/resubmit-pipeline
论文 → 会议演讲	/paper-talk
持久化研究记忆	/research-wiki
专利撰写（CN / US / EP）	/patent-pipeline
ARIS 自我优化	/meta-optimize

→ 按 category 浏览全部 80 个 skill →

---

5. 📈 真实运行效果

某 ML 研究项目上的 4 轮通宵自动循环 —— AI 审稿评分从 5.0/10（borderline reject）爬到 7.5/10（审稿就绪），期间自主跑了 20+ 个 GPU 实验、重写叙事框架、杀掉经不住检验的声明，全程无人干预。

逐轮明细

轮次	分数	发生了什么
初始	5.0/10	Borderline reject
第 1 轮	6.5/10	补了标准指标，发现指标脱钩
第 2 轮	6.8/10	核心声明不可复现，转换叙事
第 3 轮	7.0/10	大规模 seed 研究推翻了主要改善声明
第 4 轮	7.5/10 ✅	诊断证据确立，可以投稿

6. 🏆 社区实操 — 用 ARIS 完成的论文

ARIS 全流程完成并进入投稿/审稿阶段的真实项目。所列分数是 AI 审稿信号（CSPaper / Stanford Agentic Reviewer），不等于正式录用 —— 而且 ARIS 本就靠 AI-review 循环迭代，AI 分偏高是正常副产物、不是录用证据（真实人类审稿仍会带来 AI 没建模到的文献 / venue / 社区判断）。你也用 ARIS 完成了论文？提 Issue / PR 来上榜！

论文 + AI 审稿信号（3 篇）

论文	AI 审稿信号	投稿状态	作者	备注
CS 论文投稿	CSPaper 8/10 — AI 审稿建议："Top 50% of accepted papers, clear accept"	已投 CS 会议，等待正式审稿反馈	@DefanXue & @Monglitay	ARIS 全流程：idea → 实验 → auto-review → 论文写作。该评价来自 CSPaper 模拟审稿，不是会议官方审稿意见。
AAAI 2026 论文投稿	Stanford Agentic Reviewer 7/10 — AI 审稿建议："Good paper, accept"	已投 AAAI 2026 Main Technical，等待官方结果	@xinbo820-web	纯 Codex CLI（ARIS-Codex skills）。7/10 来自 Stanford Agentic Reviewer 的 AAAI-style 模拟审稿，不代表 AAAI 官方审稿/录用结果。
UAV-CC	审稿中	已投 IEEE TGRS	@wxx827	无人机变化描述基准。Claude Opus 4.6（执行）+ Codex GPT-5.5 xhigh（审阅）+ Cursor Opus 4.6（辅助）。PDF →

审稿截图

7. 🧩 Awesome 社区 Skills & 扩展

社区贡献的领域专用 skills 和外部项目。欢迎 PR——添加 skills/your-skill/SKILL.md 即可！

💡 使用方法： 社区 skill 不会自动接入核心工作流。使用时，让你的执行者（Claude Code / OpenClaw 等）先读一遍该 skill 的 SKILL.md，再根据下方描述接入对应的工作流阶段。

🎉 社区 Skills（13 个）： research-refine · experiment-plan · research-refine-pipeline · grant-proposal · paper-poster (deprecated → paper-poster-html) · paper-slides · mermaid-diagram · proof-writer · comm-lit-review · dse-loop · idea-discovery-robot · paper-illustration · skills-codex

🌐 外部项目 & 文档（12 个）： rosetta · open-source-hardening-skills · CitationClaw · auto-hparam-tuning · paper-to-course · deep-research-skills · Antigravity 适配指南 · OpenClaw 适配指南 · Cursor 适配指南 · Trae 适配指南 · posterly · Claude Fleet

🙌 感谢每一位贡献者！为了 README 的可读性，下方表格折叠展示——但每个 skill 和项目都同样珍贵。欢迎 PR！

🎉 社区 Skills（13 个） — 点击展开

名称	领域	描述	Codex MCP？
🔬 research-refine	通用	把模糊 idea 精炼成问题锚点明确、可实现的方法方案	是
🧪 experiment-plan	通用	claim-driven 实验路线图，含 ablation、预算和执行顺序	否
🧭 research-refine-pipeline	通用	一条龙：/research-refine → /experiment-plan	是
📝 grant-proposal	通用	基金申请书（科研費/NSF/国自然/ERC/DFG/SNSF/ARC/NWO）	是
🎤 paper-slides	通用	会议演讲幻灯片（beamer → PDF + PPTX），含完整演讲稿、speaker notes、Q&A 预案	是
📐 proof-writer	ML 理论	严格定理/引理证明撰写——可行性分类、依赖图谱	否
📡 comm-lit-review	通信 / 无线	通信领域文献检索——IEEE/ACM 优先、venue 分层、PHY/MAC/NTN 分类	否
🏗️ dse-loop	体系结构 / EDA	自动设计空间探索——迭代调参（gem5、Yosys 等）	否
🤖 idea-discovery-robot	机器人 / 具身智能	工作流 1 适配版——按 embodiment、sim2real、安全约束筛选 idea	是
🖼️ paper-poster	通用	已弃用——重定向 stub,指向核心 /paper-poster-html(测量门控 HTML/CSS 流水线);旧 LaTeX 实现仅存于 git history	—
📐 mermaid-diagram	通用	Mermaid 图表（20+ 种类型）——paper-illustration 的免费替代，无需 API key	否
🎨 paper-illustration	通用	AI 生成架构图（Gemini），基于 PaperBanana，集成到工作流 3	否
🤖 skills-codex	通用	主线科研技能的 Codex CLI 同步包（含 result-to-claim、rebuttal、ablation-planner）+ shared-references/ 支持目录	—

🌐 外部项目 & 文档（12 个） — 点击展开

名称	领域	描述
🪨 rosetta	Pro 级 ChatGPT MCP	Node 程序化访问 ChatGPT Pro / gpt-5.5-pro / DeepResearch——通过 Chrome CDP Fetch 拦截 + WebSocket second-leg streaming 实现。自带 MCP server（Claude Code / Codex / Cline），是 Oracle MCP 在 — reviewer: oracle-pro 高 tier review 上的另一种实现路径。支持多轮对话、并发、live token deltas、15 分钟 idle-timeout watchdog（长 Pro thinking 不会被误杀）。MIT，by @SyntaxSmith
🛡️ open-source-hardening-skills	DevOps / 开源	10 个 skill 流水线，将研究代码加固为生产级开源项目
📊 CitationClaw	通用	引用影响力分析——论文标题 → 引用爬取、学者识别、HTML 报告
🚀 Antigravity 适配指南	通用	在 Google Antigravity 中使用 ARIS skills——原生 SKILL.md 支持，双模型（Claude Opus 4.6 / Gemini 3.1 Pro），MCP 配置，中英文指南
🐾 OpenClaw 适配指南	通用	在 OpenClaw 中使用 ARIS 工作流
🖱️ Cursor 适配指南	通用	在 Cursor 中使用 ARIS skills
🖥️ Trae 适配指南	通用	在 Trae（字节跳动 AI IDE）中使用 ARIS skills
🎛️ auto-hparam-tuning	通用	自动超参调优——AI agent 读项目、规划策略、跑实验、分析 TensorBoard、从结果中学习。基于 Hydra
📚 paper-to-course	教育	论文转交互式课程——PDF/LaTeX 论文自动转为六模块 HTML 课程，含公式拆解、文献时间线、测验、术语提示。单文件打包，无需服务器
🔎 deep-research-skills	通用 / Web 搜索	模块化 web 搜索策略包——按源拆分独立模块：Stack Overflow / GitHub Issues 错误串调试 / 中文技术社区（CSDN / 掘金 / 知乎 / V2EX / 腾讯阿里云社区）/ 通用 Web（Reddit / HN / Dev.to / Medium）。补 ARIS /research-lit 以学术源为主的栈，给非学术场景（调试、版本兼容追踪、中文技术检索）提供查询策略。by @Weizhena
🖼️ posterly	通用 / 海报	把学术会议海报做成单个 HTML/CSS 文件 → 可印刷 PDF（headless Chromium，无需 LaTeX）。一个 Claude Code skill——其门控机制现已成为 ARIS 默认 /paper-poster-html 的核心。by @Chenruishuo
🛰️ Claude Fleet	看板 / DevEx	本地只读看板，同时盯住一堆并行的 Claude Code / Codex 窗口——triage（干活 / 等你 / 跑完）、一键 Focus、~50ms 全文搜 transcript、skill/memory 用量分析。by @tianyilt

8. 🔄 工作流

所有 Skills 组成完整科研流水线。每个工作流都可以单独使用，也可以串联：

• 探索新方向（比如写 survey）？ 从工作流 1 开始 → /idea-discovery
• 有计划了，需要实现和跑实验？ 工作流 1.5 → /experiment-bridge
• 已有结果，需要迭代改进？ 工作流 2 → /auto-review-loop
• 准备写论文了？ 工作流 3 → /paper-writing（或分步：/paper-plan → /paper-figure → /paper-write → /paper-compile → /auto-paper-improvement-loop）
• 全流程？ 工作流 1 → 1.5 → 2 → 3 → /research-pipeline，从文献调研一路到投稿
• 想让 ARIS 记住并学习？ 📚 /research-wiki init — 跨会话持久记忆，论文、idea、失败实验复合积累
• 想让 ARIS 优化自己？ 工作流 M → /meta-optimize — 分析使用日志，提出技能改进，reviewer 审核

⚠️ 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。

完整流程 🚀

/research-lit → /idea-creator → /novelty-check → /research-refine → /experiment-bridge → /auto-review-loop → /paper-plan → /paper-figure → /paper-write → /auto-paper-improvement-loop → 投稿
  (调研文献)      (找idea)       (查新验证)      (打磨方案)      (实现+部署)       (自动改到能投)      (大纲)        (作图)        (LaTeX+PDF)     (审稿×2 + 格式检查)     (搞定!)
  ├────────────── 工作流 1：找 Idea + 方案精炼 ──────────────┤ ├─ 工作流 1.5 ─┤ ├── 工作流 2 ──┤   ├───────────────── 工作流 3：论文写作 ─────────────────────┤

工作流 1：Idea 发现与方案精炼 🔍

"这个领域最新进展是什么？哪里有 gap？怎么解决？"

还没有具体 idea？给一个研究方向就行——/idea-discovery 搞定剩下的：

1. 📚 调研全景（最新论文、开放问题、反复出现的局限性）
2. 🧠 头脑风暴 8-12 个具体 idea（GPT-5.6-Sol xhigh）
3. 🔍 初筛可行性、算力成本、快速查新
4. 🛡️ 深度验证 top idea（完整查新 + devil's advocate review）
5. 🧪 并行 pilot 实验（top 2-3 个 idea 分别上不同 GPU，30 分钟 - 2 小时）
6. 🏆 按实验信号排序——有正信号的 idea 排前面
7. 🔬 精炼方案——冻结问题锚点，通过 GPT-5.6-Sol 迭代 review 打磨方法
8. 🧪 规划实验——claim-driven 实验路线图，含 ablation、预算和执行顺序

输出 IDEA_REPORT.md（排名后的 idea）+ refine-logs/FINAL_PROPOSAL.md（精炼后的方案）+ refine-logs/EXPERIMENT_PLAN.md（实验路线图）。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 + research-refine-pipeline

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

🔄 人在回路中： 每个阶段都会展示结果等你反馈。不满意？告诉它哪里不对——调整 prompt 重新生成。信任默认选择？它会自动带着最优方案继续。你决定参与多深。

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

展开工作流 1 的命令清单示例 —— research-lit → idea-creator → novelty-check → research-refine → experiment-plan 一步步该敲什么

1. /research-lit "discrete diffusion models"    ← Zotero→Obsidian→本地→网络，整理全景
   /research-lit "topic" — sources: zotero, web  ← 或指定只搜部分源
   /research-lit "topic" — arxiv download: true   ← 同时下载最相关的 arXiv PDF
2. /idea-creator "DLLMs post training"     ← 自动生成 8-12 个 idea，筛选排序
3. 选 top 2-3 个 idea
4. /novelty-check "top idea"                     ← 查新：有没有人做过？
5. /research-review "top idea"                   ← 让外部 LLM 批判你的想法
6. /research-refine "top idea"                   ← 冻结问题锚点 + 精炼方法
7. /experiment-plan                              ← claim-driven 实验路线图
8. /run-experiment → /auto-review-loop           ← 闭环！

📝 博客： Claude Code 两月 NeurIPS 指北

工作流 1.5：实验桥接 🔗

"我有计划了，帮我实现代码、部署实验、拿到初始结果。"

已有实验计划（来自工作流 1 或自己写的）？/experiment-bridge 一键搞定：

1. 📋 解析实验计划（refine-logs/EXPERIMENT_PLAN.md）
2. 💻 实现实验脚本（复用已有代码，加 argparse/logging/seed）
3. 🔍 GPT-5.6-Sol 代码审查 — 跨模型 review 在浪费 GPU 前抓逻辑 bug（code review: true 默认开启）
4. ✅ Sanity check — 先跑最小实验，发现运行时 bug
5. 🚀 部署完整实验到 GPU（/run-experiment）
6. 📊 收集初始结果，更新实验 tracker

展开工作流 1.5 流程图 —— 实验计划 → Claude 实现 → GPT-5.6-Sol 审码 → sanity check → GPU 部署 → 监控 → 结果

┌─────────────────────────────────────────────────────────────────┐
│                工作流 1.5：实验桥接                                │
│                                                                  │
│   EXPERIMENT_PLAN.md                                             │
│         │                                                        │
│         ▼                                                        │
│   ┌──────────┐     ┌──────────┐     ┌──────────┐               │
│   │ Claude   │────▶│ GPT-5.6-Sol  │────▶│ Sanity   │               │
│   │ Code     │     │ xhigh    │     │ Check    │               │
│   │ 写代码    │     │ 审查代码  │     │ (1 GPU)  │               │
│   └──────────┘     └──────────┘     └──────────┘               │
│                                          │                       │
│                                          ▼                       │
│   ┌──────────┐     ┌──────────┐     ┌──────────┐               │
│   │ 收集      │◀────│ 监控进度  │◀────│ 部署到    │               │
│   │ 结果      │     │ (+ W&B)  │     │ GPU      │               │
│   └──────────┘     └──────────┘     └──────────┘               │
│         │                                                        │
│         ▼                                                        │
│   准备好进入 /auto-review-loop                                    │
└─────────────────────────────────────────────────────────────────┘

涉及 Skills： experiment-bridge + run-experiment + monitor-experiment

💡 一键调用： /experiment-bridge 自动读取 refine-logs/EXPERIMENT_PLAN.md。也可指定：/experiment-bridge "my_plan.md"。

⚙️ CODE_REVIEW、AUTO_DEPLOY、SANITY_FIRST、MAX_PARALLEL_RUNS 均可配置——见自定义。

工作流 2：自动科研循环 🔁（睡一觉醒来看结果）

"帮我 review 论文，修复问题，循环到通过为止。"

GPT-5.6-Sol 审稿 → 定位弱点 → 建议实验 → Claude Code 自动写脚本、部署到 GPU、监控结果、改写论文——你睡觉就行。只需在 CLAUDE.md 里配好GPU 服务器信息。

1. 🔍 深度评审 — GPT-5.6-Sol xhigh 对当前论文 / claims / 实验做一遍深读，定位弱点
2. 🩹 修复 — Claude 实现修复（改写章节、加 baseline、或通过 /run-experiment 跑新实验）；预估超过 4 GPU-小时的实验直接跳过、标记为"需人工跟进"
3. 📊 再评估 — /monitor-experiment 收结果、改稿、再喂回 reviewer
4. 🔁 循环 — 直到分数 ≥ POSITIVE_THRESHOLD（默认 6/10）或撞到 MAX_ROUNDS（默认 4）；中途上下文窗口满了，工作流会从 REVIEW_STATE.json 自动恢复

展开工作流 2 的小流程图 —— 外部评审 → 实现修复 / 跑实验 → 监控结果 → 循环到阈值

外部 LLM 评审 → Claude Code 实现修复 → /run-experiment 部署 → 收结果 → 再评审 → 循环
                ↑ 需要新方向时自动 /novelty-check 查新

涉及 Skills： auto-review-loop + research-review + novelty-check + run-experiment + analyze-results + monitor-experiment

💡 一键调用： /auto-review-loop "你的论文主题" 自动跑完整个工作流 2。

展开工作流 2 的参数示例、reviewer 难度等级和完整安全机制 —— topic/scope 怎么传、medium/hard/nightmare 区别、6 条安全规则

传什么参数？ 简短的主题或范围就够——skill 会自动读取项目中的叙事文档（NARRATIVE_REPORT.md）、memory 文件、实验结果和历史 review，为 GPT-5.6-Sol 组装完整上下文。示例：

• /auto-review-loop "离散扩散语言模型的 factorized gap" — 宽泛主题，skill 自动搜集
• /auto-review-loop "重点看第 3-5 节，CRF 结果偏弱" — 指定范围 + 提示
• /auto-review-loop — 也行：skill 读项目文件自动推断主题

用法：

> /auto-review-loop 我的 diffusion model 论文

🎮 审稿难度 — 控制 reviewer 的对抗强度：

难度	变化	适用场景
medium（默认）	标准 MCP review，和之前完全一样	日常使用
hard	+ Reviewer Memory（GPT 跨轮追踪疑点）+ 辩论协议（Claude 可反驳，GPT 裁决）	想要更严格的反馈
nightmare	+ GPT 通过 codex exec 直接读代码仓库（Claude 无法过滤信息）+ 对抗性验证	投顶会前的极限压测

/auto-review-loop "topic" — difficulty: nightmare    # GPT 自己读你的代码和结果来验证

🛡️ 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——无需人工干预

⚙️ MAX_ROUNDS、分数阈值、GPU 限制均可配置——见自定义。

📝 博客： 开源 | 睡觉 Claude 自动跑实验改文

工作流 3：论文写作流水线 📝

"把我的研究报告变成可投稿的 PDF。" 需要本地 LaTeX 环境——见前置条件。

1. 📝 叙事 — 写 NARRATIVE_REPORT.md（声明 / 实验 / 结果 / 图表说明）；模板见 templates/NARRATIVE_REPORT_TEMPLATE.md
2. 🧭 规划 — /paper-plan 生成 claims-evidence 矩阵 + 分节计划
3. 📊 画图 — /paper-figure 从 JSON/CSV 生成数据驱动的图表和对比表
4. ✍️ 写作 — /paper-write 逐 section 生成 LaTeX
5. 🔧 编译 — /paper-compile 编 PDF、修错、跑页数验证
6. ✨ 润色 — /auto-paper-improvement-loop 跑 2 轮 GPT-5.6-Sol 内容审稿 + 终局格式合规检查

展开工作流 3 的写作流向图与命令清单 —— NARRATIVE_REPORT → /paper-plan → /paper-figure → /paper-write → /paper-compile → 润色循环

NARRATIVE_REPORT.md ──► /paper-plan ──► /paper-figure ──► /paper-write ──► /paper-compile
    (研究叙事)          (大纲+矩阵)     (图表+LaTeX)      (逐节LaTeX)      (编译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

涉及 Skills： paper-plan + paper-figure + paper-write + paper-compile + auto-paper-improvement-loop +（投稿后）paper-poster-html + paper-slides

一键调用： /paper-writing "NARRATIVE_REPORT.md" 自动跑完整个工作流 3。

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。

展开工作流 3 的核心特性细节 —— Claims-Evidence 矩阵、bib 清理、figure 模式、ICLR 端到端实测

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）。通过 DBLP/CrossRef 获取真实 BibTeX，替代 LLM 生成
• 📄 灵活节数 — 5-8 节按论文类型选择（理论论文常需 7 节）
• 🔍 GPT-5.6-Sol 审稿 — 每步可选外部 LLM 审查
• ✂️ 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。一篇典型 ML 论文中，约 60% 的图表可自动生成，约 40% 需手动制作。

端到端实测： 从一份 NARRATIVE_REPORT.md 生成了一篇 9 页 ICLR 2026 理论论文（7 节、29 条引用、4 张图、2 个对比表）——零编译错误、零 undefined reference。

论文自动润色循环 ✨

工作流 3 生成论文后，/auto-paper-improvement-loop 自动跑 2 轮 GPT-5.6-Sol xhigh 内容审稿 → 修复 → 重编译，外加一轮格式合规检查，将粗稿自动提升到可投稿质量。

展开论文自动润色 benchmark —— 实测 ICLR 2026 理论论文分数轨迹（4/10 → 8.5/10）+ Round 1/2/3 详细修复清单

分数变化（实测 — ICLR 2026 理论论文）：

轮次	分数	关键改动
Round 0	4/10（内容）	基线生成论文
Round 1	6/10（内容）	修复假设、软化声明、重命名符号
Round 2	7/10（内容）	添加合成验证、强化局限性
Round 3	5→8.5/10（格式）	移除多余图、拆附录、压缩结论、修 overfull hbox

最终：正文 8 页（ICLR 限 9 页），0 个 overfull hbox，格式合规。 3 轮共涨 4.5 分。

Round 1 修复细节（6 项）

1. CRITICAL — 假设与模型矛盾：有界性假设与模型的分布族不一致。改为与尾部兼容的假设，并添加正式截断桥接。
2. CRITICAL — 理论-实验 gap：理论假设理想化编码器，实验用学习的非线性编码器。软化 "validate" → "demonstrate practical relevance"，添加明确声明。
3. MAJOR — 缺定量指标：添加参数量对比表（latent vs total），诚实计入系统总开销。
4. MAJOR — 定理不自包含：添加 "Interpretation" 段落，显式列出所有依赖。
5. MAJOR — 新颖性声明过宽：将宽泛的 "首个收敛保证" 精确限定到具体成立条件。
6. MAJOR — 符号冲突：重命名一个与另一关键变量冲突的符号。添加 Notation 段。

Round 2 修复细节（4 项）

1. MAJOR — 缺理论验证实验：添加合成验证子节，在受控条件下直接测试两个核心理论预测。
2. MAJOR — 声明仍然过强：将强等价声明替换为适当的 hedge 语言，全文统一。
3. MAJOR — 非正式理论论证：将非正式论证正式化为一个命题，给出显式误差界。
4. MINOR — 局限性不足：扩展为显式列出所有假设，承认缺少标准评估指标。

Round 3 格式修复（8 项）

1. 移除多余的 hero figure（省 ~0.7 页）
2. 压缩结论 15→9 行
3. 合成验证移至附录 A
4. 对比表格移至附录 B
5. 修复 overfull hbox (85pt)，用 \resizebox
6. 添加紧凑 float spacing（\captionsetup、\textfloatsep）
7. Introduction 中行内化居中问题块
8. 收紧 itemize 环境间距

工作流 4：Rebuttal 📝（安全应对审稿意见）

"审稿意见来了。帮我写一份有根据、不夸大的 rebuttal。"

/rebuttal 解析审稿意见，制定策略，起草符合 venue 规则（字数限制、纯文本等）的回复：

1. 📋 解析 —— 规范化 review 文本，校验 venue 规则（字符限制、纯文本约束等）
2. 🔍 原子化 —— 把每条 review 拆成 issue 卡片（类型、严重度、reviewer 立场）
3. 🗺️ 策略制定 —— 全局主题、per-reviewer 优先级、字符预算、被禁 claim
4. 🧪 证据补跑（可选）—— 如果 auto experiment: true，通过 /experiment-bridge 自动跑补充实验
5. ✍️ 起草 —— 全局开场 + per-reviewer 编号回复 + meta-reviewer 收尾
6. 🛡️ 安全检查 —— 6 道 lint：覆盖率、出处可追、承诺受控、语气、内部一致性、字符限制
7. 🔬 GPT-5.6-Sol 压力测试 —— 内部怀疑式终审 draft
8. 📄 定稿 —— 两份产物：PASTE_READY.txt（精确字数，直接粘贴投递）+ REBUTTAL_DRAFT_rich.md（扩展版用于人工编辑）
9. 🔄 Follow-up 回合 —— reviewer 追问场景的 delta 回复，技术细节逐轮升级

展开工作流 4 的 rebuttal 流程图 —— 解析意见 → 策略 → 可选证据补跑 → 起草 → GPT-5.6-Sol 压测 → 双版本定稿 → follow-up 回合

┌─────────────────────────────────────────────────────────────────┐
│                   工作流 4：Rebuttal                              │
│                                                                  │
│   审稿意见到达                                                    │
│         │                                                        │
│         ▼                                                        │
│   ┌──────────┐     ┌──────────┐     ┌──────────┐               │
│   │ 解析 +    │────▶│ 策略     │────▶│ 证据     │               │
│   │ 原子化    │     │ 规划     │     │ 补跑     │               │
│   │ 审稿意见  │     │          │     │（可选）  │               │
│   └──────────┘     └──────────┘     └──────────┘               │
│                                          │                       │
│                                          ▼                       │
│   ┌──────────┐     ┌──────────┐     ┌──────────┐               │
│   │ 定稿     │◀────│ GPT-5.6-Sol  │◀────│ 起草     │               │
│   │ 双版本    │     │ 压力测试 │     │ rebuttal │               │
│   │          │     │          │     │          │               │
│   └──────────┘     └──────────┘     └──────────┘               │
│         │                                                        │
│         ▼                                                        │
│   PASTE_READY.txt（严格字数）+ RICH.md（扩展版）                │
│         │                                                        │
│         ▼                                                        │
│   Follow-up 回合（delta 回复，per-reviewer threads）            │
└─────────────────────────────────────────────────────────────────┘

涉及 skill： rebuttal

💡 Quick mode： /rebuttal — quick mode: true 跑完解析 + 策略（Phase 0-3）就停。先看 reviewer 想要什么，再决定要不要起草完整 draft。

⚙️ VENUE、AUTO_EXPERIMENT、QUICK_MODE、MAX_STRESS_TEST_ROUNDS 都可配置 —— 见 自定义。

三道安全门 —— 任何一项不过 rebuttal 不定稿：

• 🔒 出处可追 —— 每条 claim 都能追溯到 paper / review / 用户确认结果。不允许编造。
• 🔒 承诺受控 —— 每个承诺都由用户批准。不允许过度承诺。
• 🔒 完整覆盖 —— 每个 reviewer 关切都被记录。不允许遗漏。

工作流 5:Resubmit Pipeline 🔁(跨 venue 移植论文,纯文本)

把打磨好的论文从 venue A → B,带不可覆盖的硬约束 —— 不加新实验 · 不改 bib · 不改框架 · 永不覆盖旧投稿 —— 物理隔离 + 5 层匿名检查 + soft-only 审计 + 白名单微编辑 + /kill-argument 对抗门。完整流程 + 约束 → docs/RESUBMIT_AND_TALK_CN.md

工作流 6:Conference Talk Pipeline 🎤(论文 → slides → polish → audits)

/paper-talk 把录用论文做成报告:提纲 → /paper-slides(Beamer + PPTX + 备注 + Q&A)→ /slides-polish(逐页 Codex 视觉审)→ 可选 conference-ready 审计门。是 /paper-writing / /paper-poster-html 的姊妹流程。完整流程 → docs/RESUBMIT_AND_TALK_CN.md

📚 Research Wiki — 持久化研究记忆

"不要每次重新推导。让知识复合增长。" — 灵感来自 Karpathy 的 LLM Wiki

没有 wiki 时，ARIS 是无状态的——每次 /idea-discovery 从零开始。有了 wiki，ARIS 跨研究全生命周期积累：读过的论文、试过的 idea、跑过的实验、验证过的 claim。

核心洞察： 失败的 idea 是最宝贵的记忆。知道什么不行的研究者，比从零开始的研究者更强。

启用：

> /research-wiki init     # 一次性初始化，在项目中创建 research-wiki/

就这样。 初始化后自动工作。

展开自动触发的 wiki hooks —— /research-lit、/idea-creator、/result-to-claim 各自触发什么，以及重新构思提示

时机	发生了什么	Wiki 操作
/research-lit 找到论文	论文自动入库	创建 papers/<slug>.md，添加关系边
/idea-creator 运行	先读 wiki	失败 idea = 禁止列表，gap = 搜索种子
/idea-creator 完成	所有 idea 写回	推荐的 + 被淘汰的都写 → ideas/<id>.md
/result-to-claim 判定	结果写回	实验页面，claim 状态更新（支持/否定）
3+ idea 失败	建议重新构思	"💡 wiki 已经知道什么不行了，考虑重新 ideate"

展开 Research Wiki 的数据模型、螺旋上升示例和手动子命令 —— 四种实体、3 轮"失败 idea → 更好 idea"演化、ingest/query/lint/stats

四种实体： 📄 论文、💡 想法、🧪 实验、📋 声明

螺旋上升：

第 1 轮：读 15 篇论文 → idea A → 实验 → 失败 → wiki 记住"A 因为 OOM 失败"
第 2 轮：wiki 知道 A 不行 → idea D（避开 A 的坑）→ 部分成功 → wiki 记住
第 3 轮：综合 A 失败 + D 部分成功 → idea F → 成功 🎉

子命令：

/research-wiki init                               # 初始化
/research-wiki ingest "论文标题" — arxiv: xxx       # 手动添加论文
/research-wiki query "主题"                        # 重建 query_pack.md
/research-wiki lint                                # 健康检查
/research-wiki stats                               # 统计概览

🔒 安全设计： 所有 hook 都有 if wiki 存在 守卫。没初始化 = 零影响。纯 Python 标准库，无依赖。

---

工作流 M：Meta-Optimize 🧬（ARIS 优化自己）

"分析我的使用模式，改进你自己的技能。"

与工作流 1–4 优化研究产物（论文、代码、实验）不同，工作流 M 优化的是 harness 本身——SKILL.md 指令、默认参数和收敛规则。灵感来自 Meta-Harness（Lee et al., 2026）。

展开工作流 M 的一次性设置与使用命令 —— Claude Code hook 安装、/meta-optimize 各变体（项目 / 单 skill / --global / apply）

设置（一次性，在普通终端）：

mkdir -p .claude .aris/meta tools/meta_opt
cp Auto-claude-code-research-in-sleep/templates/claude-hooks/meta_logging.json .claude/settings.json
cp Auto-claude-code-research-in-sleep/tools/meta_opt/*.sh tools/meta_opt/
chmod +x tools/meta_opt/*.sh
claude   # hooks 立即生效

使用（累积 5 次以上工作流运行后）：

> /meta-optimize                        # 分析当前项目
> /meta-optimize "auto-review-loop"     # 聚焦单个技能
> /meta-optimize --global               # 分析跨项目的使用趋势
> /meta-optimize apply 1                # 应用推荐的修改 #1

工作原理：

1. 📊 被动记录 — hooks 静默记录每次技能调用、工具执行、失败、参数覆盖。事件同时写入项目级（.aris/meta/events.jsonl）和全局（~/.aris/meta/events.jsonl，带 "project" 标签）两份日志
2. 🔍 模式分析 — 识别高频覆盖参数（默认值不好）、重复失败（缺少错误处理）、分数停滞（收敛规则需调整）
3. 🩹 生成 Patch — 对目标 SKILL.md 生成最小修改 + 数据支撑的理由
4. 🔬 Reviewer 审核 — GPT-5.6-Sol xhigh 评估每个 patch 是否安全
5. ✅ 用户批准 — 从不自动应用，用户说了算

展开工作流 M 的流程图与"优化对象"列表 —— 事件日志 → SKILL.md patch → GPT-5.6-Sol 审核 → 用户批准；prompt / 默认参数 / 收敛规则 / 错误处理

┌─────────────────────────────────────────────────────────────────┐
│                  工作流 M：Meta-Optimize                         │
│                                                                  │
│   正常 ARIS 使用（W1-W4）                                        │
│         │ （hooks 被动记录事件）                                   │
│         ▼                                                        │
│   .aris/meta/events.jsonl                                        │
│         │                                                        │
│         ▼                                                        │
│   ┌──────────┐     ┌──────────┐     ┌──────────┐               │
│   │ 分析模式  │────▶│ 提出      │────▶│ GPT-5.6-Sol  │               │
│   │          │     │ SKILL.md │     │ 审核      │               │
│   │          │     │ 修改      │     │ patch    │               │
│   └──────────┘     └──────────┘     └──────────┘               │
│                                          │                       │
│                                          ▼                       │
│                                    用户批准？                     │
│                                     是 → 应用                    │
│                                     否 → 跳过                    │
└─────────────────────────────────────────────────────────────────┘

优化对象（harness 组件）： 技能 prompt、默认参数（difficulty、MAX_ROUNDS、threshold）、收敛规则、错误处理模式。

不优化： 研究产物（论文、代码、实验）——那是 W1–W4 的工作。

💡 这是维护工作流，不属于 W1→W1.5→W2→W3→W4 研究流水线。像 git gc 一样定期运行。

---

⚡ Effort Levels

每个 skill 都接受 — effort: lite | balanced | max | beast —— 调节广度/深度(论文 · idea · pilot · 轮次 · seed · 审计深度)从 ~0.4× 到 ~5–8×;默认 balanced(老用户零变化)。任何档位都不变:Codex reasoning 不低于档位下限（常规 xhigh、深度审计 ultra）、DBLP 引用永远开、reviewer 独立性永远开、实验诚实度永远开。📖 完整规范 + 各 skill 计数 → effort-contract.md

🧿 可选：GPT-5.5 Pro via Oracle

给任意 reviewer-aware skill(/proof-checker、/research-review、/experiment-audit、/rebuttal…)加 — reviewer: oracle-pro,把审稿走 GPT-5.5 Pro —— 最强推理,适合深度证明 / 代码 / 实验设计审。默认永远 Codex xhigh;Oracle 未装 ⇒ 优雅降级 + 警告(零影响)。📖 安装 + 各 skill 示例 → reviewer-routing.md

---

9. ⚙️ 安装

📖 第一次用 ARIS？ SETUP_GUIDE_CN.md (English) 给你一个 6 步 prescriptive 走法：macOS 本地 + 远程 Linux GPU 服务器 + Claude Code + Codex MCP，推荐路径。下面这一节是快速参考；更深的 GPU / 自定义 / 模型组合配置见链接里的 docs。

前置条件

1. 安装 Claude Code
2. （仅 review 类 skill 需要）安装 Codex CLI 并配置为 MCP server：

   npm install -g @openai/codex
   claude mcp add codex -s user -- codex mcp-server
   

3. （仅工作流 3：论文写作需要）LaTeX 环境，含 latexmk 和 pdfinfo：

   # macOS
   brew install --cask mactex    # 或: brew install basictex
   brew install poppler          # 提供 pdfinfo
   
   # Ubuntu/Debian
   sudo apt install texlive-full latexmk poppler-utils
   
   # 验证
   latexmk --version && pdfinfo -v
   

   如果只用工作流 1 和 2（找 idea + 自动 review），不需要安装 LaTeX。

安装 Skills

💡 推荐：项目级扁平 symlink 安装（2026-04-20 起）。每个 ARIS skill 独立 symlink 到 .claude/skills/<skill-name>，让 Claude Code 的 slash command 自动补全能直接发现。manifest 在 .aris/installed-skills.txt 跟踪 ARIS 装了什么——uninstall 和 reconcile 只动 manifest 里的条目，绝不碰你自己的 skill。

🤖 Codex mirror 路线： Claude 主线继续使用 install_aris.sh / smart_update.sh。Codex 原生项目安装请用 install_aris_codex.sh，Codex copy 安装更新请用 smart_update_codex.sh。

# 1. 克隆 ARIS 一次到稳定位置
git clone https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep.git ~/aris_repo

# 2. 在每个使用 ARIS 的项目里 attach：
cd ~/your-paper-project
bash ~/aris_repo/tools/install_aris.sh
# → 每个 skill 一个 symlink: .claude/skills/<skill> → ~/aris_repo/skills/<skill>
# → 写 manifest .aris/installed-skills.txt（追踪 ARIS 装的每条）
# → 更新 CLAUDE.md ARIS 管理块（best-effort + compare-and-swap，不会覆盖用户改动）
# → 可重入：再跑一次会自动 reconcile 上游的新增/删除

# 3. 已有 skill 的内容更新：直接 git pull（symlink 指向上游，自动跟随）
cd ~/aris_repo && git pull

# 3a. 上游新增 / 删除 skill 时，重跑安装器（一次的事）：
bash ~/aris_repo/tools/install_aris.sh ~/your-paper-project

# 其他常用：
bash ~/aris_repo/tools/install_aris.sh --dry-run        # 看计划，不写盘
bash ~/aris_repo/tools/install_aris.sh --uninstall      # 按 manifest 卸载（不动你自己的 skill）
bash ~/aris_repo/tools/install_aris.sh --from-old       # 从老的 .claude/skills/aris/ 嵌套布局迁移

# Windows（PowerShell，需要管理员权限或开发者模式以创建 junction）：
.\tools\install_aris.ps1 C:\path\to\your-paper-project

为什么 git pull 不能完全代替重跑安装器： 扁平布局是每个 skill 一个 symlink，所以上游新增/删除 skill 时，project 里要新增/移除对应的 symlink——这一步只能由安装器做。这个代价换来了 Claude Code 的自动 slash command 发现（CC 只扫一层目录）。

从老的嵌套布局迁移（2026-04-20 之前的安装）

如果你之前用的是 install_aris.sh（创建 .claude/skills/aris/ 嵌套 symlink）或 smart_update.sh --target-subdir .claude/skills/aris（嵌套 copy），那你的 slash command 大概率没被 Claude Code 自动发现。迁移到扁平布局：

# Symlink 老安装：
bash ~/aris_repo/tools/install_aris.sh ~/your-project --from-old

# Copy 老安装（可能有本地编辑——需要显式选策略）：
bash ~/aris_repo/tools/install_aris.sh ~/your-project --from-old --migrate-copy keep-user
#   → 保留嵌套 .claude/skills/aris/ 不动，扁平 symlink 装在旁边
bash ~/aris_repo/tools/install_aris.sh ~/your-project --from-old --migrate-copy prefer-upstream
#   → 把嵌套副本归档到 .aris/legacy-copy-backup-<timestamp>/，再扁平化

其他安装方式（进阶）

项目级 copy（不要 symlink，适合需要为单个项目定制 skill 内容）：

mkdir -p ~/your-project/.claude/skills
bash ~/aris_repo/tools/smart_update.sh --project ~/your-project --apply
# 默认 --target-subdir 是 .claude/skills（扁平），这是 Claude Code 期望的布局。
# （老的 --target-subdir .claude/skills/aris 已弃用，见上面的迁移段。）

全局安装（一份 copy 在 home 目录，所有项目可用）：

mkdir -p ~/.claude/skills
cp -r ~/aris_repo/skills/* ~/.claude/skills/
# 更新：bash tools/smart_update.sh --apply

全局安装会增加和其他全局 skill 包名字冲突的风险。只在不混装 ARIS 与 Superpowers / OpenHands 等的情况下使用——否则用上面的项目级安装。

可选：用于代码审查的 Codex Plugin

codex-plugin-cc 会提供额外的 Codex 能力；安装后 ARIS 会自动检测并使用：

# 在 Claude Code 中：
/plugin marketplace add openai/codex-plugin-cc
/plugin install codex@openai-codex
/reload-plugins
/codex:setup

ARIS 会在这些地方使用 plugin：

Skill	所属流程	作用
/codex:review	Workflow 1.5	GPU 部署前审查实验代码
/codex:adversarial-review	Workflow 1.5	对抗式代码审查（寻找边界情况和 bug）
/codex:rescue	Workflow 1.5 + 3	自动调试救援：当实验或 LaTeX 编译连续失败 2 次后，Codex 会在下一次重试前独立诊断根因

所有 plugin 功能都是可选的；如果没有安装，ARIS 会回退到 Claude 自己的诊断。这个 plugin 只是多加一双眼睛。

注意：ARIS 的核心跨模型审稿（论文评分、idea 评估、rebuttal 压力测试）仍然使用 Codex MCP，因为它支持自定义 prompt。plugin 不能替代这部分能力。

更新 Skills

cd Auto-claude-code-research-in-sleep
git pull

# 方案 A：全量更新（用最新版覆盖所有 skill）
cp -r skills/* ~/.claude/skills/

# 方案 B：安全更新（只加新 skill，保留你的定制）
cp -rn skills/* ~/.claude/skills/

# 方案 C：只更新指定 skill
cp -r skills/experiment-bridge ~/.claude/skills/

💡 选哪个？ 没改过 skill 用 A。改过用 B（新 skill 会加进来，你的改动保留——但改过的文件不会收到上游 bug fix）。C 精确更新。

🌙 过夜自动运行的免确认配置（可选）

过夜跑免点权限弹窗 —— 往 .claude/settings.local.json 加一段

在 .claude/settings.local.json 中添加：

{
  "permissions": {
    "allow": [
      "mcp__codex__codex",
      "mcp__codex__codex-reply",
      "Write",
      "Edit",
      "Skill(auto-review-loop)"
    ]
  }
}

🖥️ 自动跑实验的 GPU(可选)

审稿人说"补个消融实验"时,Claude Code 会自动写脚本并跑到你的 GPU 上 —— 你只需在 CLAUDE.md 里声明服务器。三种模式(远程 SSH · 本地 GPU · Vast.ai 按需):配置片段 + 教程见 docs/GPU_SETUP_CN.md(Vast.ai 详解 → Vast.ai 指南)。没 GPU?Review / 改写照常,跑实验的修复会标记"需人工跟进"。

🔌 集成(可选)

把文献库 / 笔记库 / 通知接进 ARIS —— 没配置就静默跳过:

• Zotero —— /research-lit 里搜 collections + 标注 + BibTeX(联网搜索之前)。
• Obsidian + arXiv —— 搜你的 vault 笔记;arXiv 内置免配置。
• 飞书 / Lark —— 手机推送 + 双向审批,适合过夜跑。

10. 🎛️ 自定义

Skills 都是纯 Markdown,fork 了随便改。各 skill 的环境变量(GPU 目标、代码审查、reviewer 路由、人工检查点、论文写作开关)和参数透传详见 docs/CUSTOMIZATION_CN.md。

11. 🔀 替代模型组合

没有 Claude / OpenAI API?换别的 provider —— 同样的跨模型架构。ARIS 内置 10 条替代路线(Z.ai GLM、阿里 Kimi/Qwen/MiniMax、ModelScope 免费 DeepSeek-V3.1、OpenRouter 一 Key 多模型审稿后端、Codex 当 executor 配 Claude/Gemini reviewer、Google Antigravity)。完整路由表 + 各路线配置见 docs/MODEL_COMBINATIONS_CN.md。

12. 💬 交流群

欢迎贡献领域专用 skill！ 核心 skills 覆盖通用科研工作流，但每个领域都有自己的工具和范式。欢迎提交 PR 为你的领域添加新 skill——EDA、生物信息学、机器人、HPC 等等。只需添加一个 skills/your-skill/SKILL.md 并开 PR 即可。参考 dse-loop 作为示例。

欢迎加入微信群，交流 Claude Code + AI 科研工作流：

13. 📖 引用

如果 ARIS 对你的研究有帮助，请引用：

@article{yang2026aris,
  title={ARIS: Autonomous Research via Adversarial Multi-Agent Collaboration},
  author={Yang, Ruofeng and Li, Yongcan and Li, Shuai},
  journal={arXiv preprint arXiv:2605.03042},
  year={2026}
}

14. ⭐ Star History

15. 🙏 致谢

灵感来自 — 🧪 AI Scientist（Sakana）· 📖 AutoResearch（Karpathy）· 🔭 FARS（Analemma）· 🎨 PaperBanana（PKU）。

核心基础设施 — Claude Code（执行层骨干）· Codex CLI（通过 MCP 实现跨模型审稿）。

集成 — Zotero（指南）：zotero-mcp、Zotero。Obsidian（指南）：mcpvault、obsidian-skills（Obsidian CEO Steph Ango 维护）。飞书/Lark（指南）：feishu-claude-code、clawdbot-feishu、cc-connect、lark-openapi-mcp。

论文写作灵感 — claude-scholar · Research-Paper-Writing-Skills · baoyu-skills。社区 — awesome-agent-skills（已收录）。

平台适配 — 🤖 @Falling-Flower（Codex CLI 适配 via spawn_agent）· 🔧 @No-518（Codex skill 维护）· 🖱️ @YecanLee（Cursor 适配指南 + 本地 GPU 文档）· 🏆 @DefanXue & @Monglitay（首个 ARIS 全流程社区论文，CS 会议评分 8/10）。

架构与愿景 — 💡 @JingxuanKang：不止于代码贡献（training-check、result-to-claim、ablation-planner、watchdog、模板、session 恢复），更深度参与 ARIS 架构讨论——compact 模式、工作流状态管理、自主科研愿景——今天很多核心功能（结构化项目文件、context-aware session 恢复）都源自这些对话。

16. License

MIT