为什么要做 AI-Researcher
很多 AI 科研工具容易陷入一个误区：它们看起来很会写，能快速生成一段研究背景、一组实验描述，甚至是一篇像论文的 Markdown。但科研真正困难的地方不只是“写得像”，而是每一个结论都要能追到来源，每一个实验都要能复现，每一次改进都要知道它到底有没有变好。
所以 AI-Researcher 一开始就没有把目标定成“论文写作机器人”，而是做成一个 证据优先的自动科研操作系统。
它要解决的问题是：
- 真实检索，而不是凭空编参考文献；
- 有边界地做实验，而不是让 Agent 随便改代码；
- 用验证报告约束结论，而不是只看生成文本；
- 用审稿和发布门禁阻止过度声明；
- 把长期记忆写进 Obsidian 兼容的 Markdown 知识库，而不是只存在一次会话里。
一句话概括：AI-Researcher 想让科研 Agent 从“能生成内容”，走向“能留下证据链”。
它不是聊天助手
AI-Researcher 的使用入口更像一个本地/服务器上的长期 operator。
首次部署时，airesearcher setup 会引导配置模型供应商、OpenAI-compatible base URL、模型名、API key、Obsidian vault、通信通道和默认 Agent 团队。启动后，airesearcher serve 或 airesearcher autopilot --watch 可以按周期执行科研循环：检索资料、刷新灵感、生成候选方向、做相似工作检查、运行实验、生成报告、做审稿、构建论文产物，再把结果写回本地记忆。
这里最关键的设计选择是：默认不把 Agent 当成一个可以无限自由行动的“黑盒研究员”，而是把它放进一个有审批、有证据、有回滚的流程里。
比如在 approve-dangerous 模式下，危险动作需要显式审批；通信推送如果没有真实送达状态，就记录为 skipped，不会假装已经通知成功；如果某个外部来源正在限流或状态文件损坏，系统会写出 source preflight 证据并跳过昂贵的后续步骤，而不是继续制造看似完整的结果。
核心闭环
AI-Researcher 的科研流程可以粗略拆成六层。
1. 文献和灵感输入
系统支持 ArXiv、OpenAlex、Semantic Scholar 等学术来源，也能把 Hugging Face 数据集、Hacker News 这类非学术信号作为“灵感来源”记录下来。
这里有一个很重要的边界：非学术灵感不能直接变成论文证据。它可以提示“这里可能有个方向”，但最后能不能成立，还要经过文献、实验、复现和审稿门禁。
2. Obsidian 知识库
autoresearch-vault/ 是整个系统的记忆底座，里面会保存文献摘要、候选方向、实验记录、证据图、review finding、issue、失败模式、skill card、strategy card 和论文构建摘要。
这让自循环不是靠 prompt 里的临时记忆，而是靠可版本管理的 Markdown 文件。下一轮运行可以读取上一轮留下的 review、失败和 follow-up，再决定继续推进、修正方向或阻断发布。
3. 研究计划门禁
在进入实验前，系统会先生成可执行研究计划，并把 Markdown、TeX、PDF 和 JSON 产物写到 outputs/<project-id>/research-plan/。
这个步骤的意义不是“多生成一份文档”，而是把研究方向变成一份明确的协议：要验证什么，数据来自哪里，基线是什么，指标是什么，停止条件是什么。没有这个协议，就不应该让代码 Agent 直接冲进实验目录里乱改。
4. 有边界的实验执行
实验层不是只跑 toy demo。项目里已经有基于 UCI Pendigits、Letter Recognition、Spambase、Skin Segmentation 等公开 benchmark 的 demo 路径。
每次运行会保留：
run-record.json：运行元数据、命令、commit、config hash、data hash；validation-report.json/.md：指标边界、统计检查、产物存在性；evidence-map.json：把具体指标绑定到证据边；- Markdown report：用证据约束生成结果说明。
这套结构的重点是：实验不是一句“模型效果很好”，而是一组可以被审计的本地文件。
5. 审稿和发表门禁
AI-Researcher 里有两类特别“保守”的门禁。
第一类是 publication-audit。它会检查文献检索广度、引用是否有 DOI 或 URL 支撑、相似工作覆盖、真实数据集、baseline、ablation、统计 sanity、方法贡献、LLM review 质量和相关工作检查。比如 CCF-B / Q3 级别目标会要求更高的证据密度，不能因为有一个 PDF 就说“论文准备好了”。
第二类是 evidence-gate。它更像物理发布闸门：cycle summary、候选记录、文献摘要、相似工作、实验目录、验证报告、证据图、复现检查、审稿结果、publication audit、LaTeX PDF 和 paper quality 都要能找到对应 artifact。
也就是说，系统把“能不能发布”从一句模型判断，变成一张硬检查表。
6. 受控自进化
AI-Researcher 也尝试让系统改进自己的策略和 skill，但这条路被刻意做得很慢。
一个 skill 或 strategy 想进入正式使用，需要先有 issue/failure 证据，再经过 shadow evaluation、golden tests、reward scoring、灰度发布、rollback target 和 audit review。外部项目的启发也不会直接复制进仓库，而是先进入 watchlist，等许可证、安全、验证和回滚门禁都通过后再考虑提升。
这比“让 Agent 自己优化 prompt”麻烦得多，但也更像一个可以长期运行的工程系统。
技术栈和工程形态
项目主体是 Python 包 autoresearch，命令行入口是 airesearcher，同时提供 Node 启动器 bin/airesearcher.mjs 和 npm scripts。
主要技术栈包括：
- Typer / Click：命令行界面；
- LangGraph：科研工作流状态机；
- Pydantic：配置、schema 和验证模型；
- ArXiv / Semantic Scholar / OpenAlex：在线文献和元数据来源；
- Obsidian Markdown vault：长期记忆和人工可读记录；
- LaTeX / PDF 构建：论文级产物输出；
- pytest / ruff / mypy / hypothesis：测试、静态检查和属性测试。
仓库结构也反映了这个定位：src/autoresearch/ 下按 agents、experiments、literature、reports、knowledge、runtime、observability 等模块拆分；autoresearch-vault/ 保存项目记忆；outputs/ 和 runs/ 用于本地生成产物；docs/ 则记录 dashboard、部署和发布门禁设计。
我觉得最有价值的三个设计
第一，所有 claim 都必须落到 artifact
很多 Agent 系统的问题不是“不会做”，而是“做完以后不知道哪些是真的”。AI-Researcher 反过来要求每个阶段都留下文件：检索结果、运行记录、验证报告、审稿 JSON、PDF 构建日志、evidence gate 报告。
这让系统的输出可以被人接着查，而不是只能相信一次生成结果。
第二，把失败当成一等公民
如果来源限流、引用缺失、实验没有显著提升、LaTeX 模板不可用、review 质量不够，系统不会把这些失败藏起来。它会写 issue note、follow-up task 或 blocked gate。
这点很重要。真正的科研过程大部分时间都在处理失败、重复、证据不足和方向修正。如果一个“自动科研系统”只展示成功，它其实还不够科研。
第三，不急着做成 SaaS
V1.0 明确是单操作者的本地/服务器版本，不是多用户 SaaS，也不会自动投稿。这是一个很克制的范围。
科研 Agent 的核心难题不是先把界面做得多热闹，而是先把证据链、门禁、复现、成本和人工介入跑通。等这些底座稳定以后，再做 dashboard、多项目、多用户和团队协作才有意义。
一个典型使用画面
想象它挂在一台工作站或服务器上：
- 白天自动刷新文献和灵感来源；
- 发现一个候选研究方向后，先做相似工作检索；
- 用户确认方向，系统生成研究计划；
- 实验 Agent 跑一个有边界的 benchmark；
- 系统写出验证报告、证据图和论文草稿；
- reviewer 检查引用、指标、可复现性和过度声明；
- LaTeX 构建 PDF；
- evidence gate 决定这轮是可发布、需修订，还是必须阻断；
- 所有结果和失败都写回 Obsidian，作为下一轮的起点。
这不是一个“按下按钮就发论文”的幻想，而是一个把科研过程拆成可检查动作的长期循环。
目前的边界
AI-Researcher 还不是一个成熟的全自动科学家。
它不会自动投稿，也不应该跳过人类确认；它的 live API、文献来源和外部模板仍然会受限流、网络和本地环境影响；一个 benchmark 上的正向结果也不能直接证明方法具有发表级创新。项目自己也把这些问题写进 Known Problems 和发布门禁里。
但这正是我觉得它有意思的地方：它没有把自动科研包装成魔法，而是把“哪里还不能信”也做进系统。
总结
AI-Researcher 的价值不在于让 AI 多写几段漂亮论文，而在于把科研 Agent 的工作变得可追踪、可复现、可阻断、可回滚。
如果说很多 AI 工具是在追求“生成速度”，那 AI-Researcher 更像是在追求“研究可信度”：
- 资料从哪里来；
- 实验怎么跑；
- 指标怎么验证；
- 引用是否真实；
- 论文产物是否可构建；
- 为什么现在还不能发布；
- 下一轮应该修什么。
这套东西听起来不如“一键生成论文”刺激，但它更接近真正能长期使用的科研基础设施。
项目地址：neutronstar238/ai-researcher-loop，目前仍处在 V1.0 / 0.1.0 baseline 的持续迭代阶段。
部分信息可能已经过时
粤公网安备44030002011885号