用途：本技能是 AutoResearchClaw 的中文封装层，无法独立运行，需先安装上游项目。输入一个研究主题，即可驱动 23 阶段自主研究管线，覆盖从文献综述到论文生成的全流程，宣称支持真实引文检索、沙箱实验执行、多智能体同行评审和引文验证。
主要能力：提供 /researchclaw（帮助与状态摘要）、/researchclaw:setup（检查并安装 Python、Docker、LaTeX、pip 包等前置依赖）、/researchclaw:config（交互式生成 config.yaml）、/researchclaw:run（启动管线）、/researchclaw:status（查看阶段进度）、/researchclaw:resume（从上次成功阶段恢复）、/researchclaw:diagnose（常见故障诊断）、/researchclaw:validate（运行前验证配置、依赖与连通性）。管线共 23 个阶段，含 5、9、20 三个人工审批门控。
使用方式：先安装上游，例如 pip3 install researchclaw，或从源码 git clone https://github.com/aiming-lab/AutoResearchClaw.git 后 pip3 install -e ".[all]"；中国大陆可用 pip install researchclaw[all] -i https://pypi.tuna.tsinghua.edu.cn/simple 加速。随后运行配置向导生成 config.yaml，再执行 researchclaw run --topic "$ARGUMENTS" --config config.yaml --auto-approve。配置需自备 LLM API 密钥，可选 openai、anthropic、azure、deepseek、local；实验模式可选 simulated、sandbox、ssh_remote。
适用场景：需要自动化文献调研、实验、论文草稿与评审流程的研究人员或开发者。
限制：本技能不提供 API 密钥，无法启动 Docker 守护进程、无法在 Linux 上免 sudo 安装 LaTeX、无法修复网络或防火墙问题；上游 --from-stage 恢复标志在部分版本可能不正确工作；沙箱模式需 Docker，LaTeX 安装体积约 2-4 GB，内存不足建议使用 simulated 模式。资料未提供具体收费标准与效果数据。