autor

AutoR — human-centered 研究执行框架。8阶段 pipeline,产出可复现 artifact。

SKILL.md

GitHub

AutoR

仓库路径: ~/repos/AutoR

定位

AI 负责执行,人类负责方向。不是一键出论文的黑盒,是结构化研究 harness。

架构

底层执行器: claude / codex 8 阶段 pipeline: 01 文献综述 → 02 假设生成 → 03 研究设计 → 04 实现 → 05 实验 → 06 分析 → 07 写作 → 08 发布

产出目录: runs/<run_id>/ (prompt、日志、代码、数据、图、LaTeX、PDF)

常用命令

# 新 run
cd ~/repos/AutoR && python main.py --goal "研究目标"

# 指定执行器
python main.py --goal "..." --operator claude   # 默认
python main.py --goal "..." --operator codex

# 全自动模式(reviewer agent 代替人工审批)
python main.py --goal "..." --full-auto

# 从已有项目起步
python main.py --goal "..." --project-root /path/to/project

# 从论文语料起步
python main.py --goal "..." --paper-corpus /path/to/papers

# 恢复 run
python main.py --resume-run <run_id>
python main.py --resume-run latest

# 从某 stage 重做
python main.py --resume-run <run_id> --redo-stage 06_analysis

# 回滚 stage(下游全部失效)
python main.py --resume-run <run_id> --rollback-stage 04_implementation

# 指定投稿 venue
python main.py --goal "..." --venue neurips_2025  # 默认
python main.py --goal "..." --venue nature
python main.py --goal "..." --venue jmlr

# 带资源
python main.py --goal "..." --resources paper.pdf data/ code/

# 跳过 intake
python main.py --goal "..." --skip-intake

# 生成方法示意图(需 google-genai + Pillow)
python main.py --goal "..." --research-diagram

核心原则

  1. Human approval by default — 每个 stage 结束等你审阅
  2. --full-auto 可跳过人工,但建议前几个 run 先手动审批
  3. runs/ 目录是唯一产物 — 所有中间结果都在里面
  4. 可恢复 — 随时 resume、redo、rollback

适用场景

  • 从 arXiv 论文出发,完整复现+扩展
  • 从代码仓库出发,补全实验+写论文
  • 从研究问题出发,走完 literature → experiment → writing 全流程
  • 需要可复现、可审计的研究产物

与 Hermes 现有技能的关系

  • paper2code: 单篇论文 → 最小代码。AutoR 是更完整的 8 阶段 pipeline
  • gap-driven-paper-pipeline: gap → 多篇论文 → 批量代码。AutoR 走更深的实验+写作
  • 适用: 需要完整论文产出、需要实验验证、需要投稿格式化时

注意

  • 不需要 pip install,纯 Python stdlib 运行
  • 需要已安装 claude 或 codex
  • Stage 07 写作产出 LaTeX,有 TeX 环境可直接编译 PDF
  • 默认 venue: neurips_2025