当前科研工作面临显著效率瓶颈，核心问题在于研究者大量精力被代码编写、参数调试、实验运行、论文润色等重复性任务消耗，且单一AI辅助工具存在"自我验证"局限，缺乏独立评审机制，易出现逻辑漏洞，导致研究成果需反复修订，严重拖慢研究进度。针对这一核心痛点，GitHub用户wanshuiyin主导，联合@DefanXue、@yihong-jin等社区贡献者，提出并开发了开源科研自动化工具ARIS（Auto-Research-In-Sleep），其核心方法是依托双智能体协同模式，实现科研全流程自动化，助力研究者剥离机械性劳动，聚焦核心创新环节。
自动迭代：分数低 → 回滚重写；分数高 → 保留并深化
ARIS突破了传统单一功能AI工具的碎片化辅助局限，核心采用双智能体评审机制：执行模块依托Claude Code，可高效完成代码生成、实验运行、论文润色及LaTeX与PDF生成等核心任务；评审模块通过多模型协同，从实验设计合理性、数据真实性、逻辑严谨性等维度，对执行模块的产出进行全方位审核，有效规避逻辑漏洞，确保研究产出符合科研规范，大幅降低人工审核成本。
该工具采用轻量化设计，无需复杂部署流程，核心组件以纯Markdown文件形式呈现，可直接调用。其兼容性极强，支持DeepSeek、Kimi等国产大模型，无需依赖特定API，通过构建免费模型组合即可正常运行，上手门槛极低。应用过程便捷高效，研究者仅需上传论文初稿、实验数据，设定目标评分与迭代轮次，系统便可自主完成实验、数据整理、论文优化等全流程，无需人工值守，真正实现"睡前启动、醒来收成果"的高效科研模式。
真实应用案例验证了其实用价值：初始评分较低的论文，经ARIS多轮迭代后，评分显著提升，实验数据与结论的严谨性大幅提高。此外，ARIS包含31个可独立调用的功能模块，支持模块化组合，可完成文献自动调研、研究方向筛选、学术图表生成等多样化需求，同时具备飞书实时通知功能，便于研究者远程跟进实验进度。
ARIS定位为科研辅助工具，保留人类在环机制，核心研究方向与关键决策仍由研究者主导，仅承接机械性、重复性、耗时性辅助任务，帮助研究者减少无效内耗。该工具完全开源免费，社区持续优化功能，新增的自动调试功能可应对CUDA报错、内存不足等常见问题，进一步降低人工干预成本，目前已在GitHub积累较高关注度，可适配机器学习、机器人学、体系结构等多个研究领域，有效解决科研效率瓶颈。
项目链接：https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep
想要掌握如何将大模型的力量发挥到极致吗？叶梓老师带您深入了解 Llama Factory ------ 一款革命性的大模型微调工具。
1小时实战课程，您将学习到如何轻松上手并有效利用 Llama Factory 来微调您的模型，以发挥其最大潜力。
CSDN教学平台录播地址：https://edu.csdn.net/course/detail/39987
OpenClaw 火到爆，90% 人装不上！2026年4 月 11 日 17:30｜叶梓老师免费直播零基础保姆级安装，命令行 / 环境坑一次全解。
