安装方法和使用方法参考下面这个github链接:
https://github.com/Xiangyue-Zhang/auto-deep-researcher-24x7/blob/main/AI_GUIDE.md
https://github.com/Xiangyue-Zhang/auto-deep-researcher-24x7/blob/main/docs/README_CN.md
总结：
还是使用的是大模型的API，也可以使用订阅，之所以说是一天只消耗5毛钱，是因为按照一次实验运行8小时算的，假如1次实验运行10分钟，那花费就要提升8x6 = 48倍了。另外这个需要电脑一直联网，不能挂云上，不过就是断网后再连接上网络可以自动接续运行。
具体试验方法：
本人使用的是codex的订阅，直接在vscode的codex插件中，在对话框中全程使用下面两个技能即可，然后就是安装环境和写好prompt：
1.自动运行--project对应这个项目下的实验
/auto-experiment --project ~/PROJECT_NAME --gpu 02.检查指定项目目录~/PROJECT_NAME下面的试验状态
/experiment-status --project ~/PROJECT_NAME详细使用方法：
**可以让AI agent自己进行参数搜索，或者更换模型、更换网络之类的，**最主要的是写在PROJECT_BRIEF.md文件里面
详细方法还是见下面链接：
https://github.com/Xiangyue-Zhang/auto-deep-researcher-24x7/blob/main/docs/README_CN.md
编写 PROJECT_BRIEF.md：
这是最重要的文件。请根据用户的回答编写：
# Goal
[User's research goal with specific metric and target value]
# Codebase
[If existing code: list files and paths]
[If no code: "Agent should create PyTorch training code from scratch"]
- Data: [path or "auto-download via torchvision"]
- Checkpoints: ./checkpoints/
- Logs: ./logs/
# What to Try
[Decision tree based on user's domain knowledge]
- First try: [baseline config]
- If [metric] < [threshold1]: try [approach A]
- If [metric] between [threshold1] and [threshold2]: try [approach B]
- If [metric] > [target]: goal reached, generate report
# Constraints
- GPU: [which GPU(s)]
- Max epochs per run: [number]
- Batch size: [number]
- [Any other constraints]
# Current Status
[No experiments yet / Previous best: X]需要告知用户的关键提示：
- 目标要具体明确------"准确率 > 80%"，而不是"提高准确率"。
- 提供决策树------智能体需要知道在每种情况下应该做什么。
- 字数限制在 3000 个字符以内------这是第一级内存上限。
- 你可以把它想象成指导一位有能力但刚入行的博士生。
快速参考
| 命令 | 它的功能 |
|---|---|
/auto-experiment --project PATH --gpu 0 |
启动全天候实验循环 |
/experiment-status |
检查进度 |
/gpu-monitor |
GPU状态 |
/daily-papers |
论文推荐 |
/paper-analyze ARXIV_ID |
深度论文分析 |
/conf-search --venue CVPR2025 --query "xxx" |
会议搜索 |
/progress-report |
生成报告 |
echo "instruction" > workspace/HUMAN_DIRECTIVE.md |
重定向代理 |
python install.py --uninstall |
移除所有技能 |