用途：AutoResearchClaw 是 23 阶段全自主研究流水线，从自然语言主题生成完整学术论文，含真实引用、沙箱实验、统计分析和会议级 LaTeX。
主要能力：23 阶段覆盖主题解析、问题分解、文献检索（arXiv + Semantic Scholar 实调 API）、假设生成（多智能体辩论）、实验设计、代码生成、沙箱执行、迭代自愈、结果分析、PIVOT/REFINE 决策、论文写作、同行评审、修订、知识归档、LaTeX/BibTeX 导出与四层引用校验（arXiv→CrossRef→DataCite→LLM 相关性打分）。输出含 paper_draft.md、paper.tex、references.bib、verification_report.json、reviews.md、实验代码与图表。
使用方式：git clone https://github.com/aiming-lab/AutoResearchClaw.git，进入目录后 python3 -m venv .venv && source .venv/bin/activate，pip install -e .，用 researchclaw --help 验证。复制 config.researchclaw.example.yaml 为 config.arc.yaml，配置 topic、llm（openai/openrouter/acp）与沙箱 python_path。运行示例：researchclaw run --topic "Your research idea" --auto-approve；或 researchclaw run --config config.arc.yaml --auto-approve；交互模式省略 --auto-approve，在第 5、9、20 关卡暂停审批。用 researchclaw list 列出历史，researchclaw status --run-id <id> 查看并恢复。也可用 Python API 的 Runner、load_config 与 StageRange。LaTeX 产物可用 pdflatex/bibtex 编译或上传 Overleaf。
适用场景：需要自动完成文献综述、实验与论文初稿的 AI 研究开发流程。
限制：需 Python 3.11+；需自行提供 LLM API 密钥（或使用 ACP 由 agent CLI 认证）；实验在沙箱运行，失败可在 Stage 13 自愈，可调 max_iterations、timeout_seconds、device、max_memory_gb；引用幻觉会在 Stage 23 被自动剪除；PIVOT 循环可用 max_pivots、max_refines 限制。其余如具体收费、平台支持、效果指标暂未提供。