SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场research-pipeline

research-pipeline

写作与研究

查看项目

更新于 10-15 01:21

技能介绍

用途

research-pipeline 是一个端到端自主研究流水线技能，把整个研究生命周期串联为单一流程：从宽泛研究方向出发，经过想法发现、实验实现与部署、自动评审改进，最终（可选）生成论文 PDF。它按顺序编排最多四个主要工作流：

/idea-discovery → /experiment-bridge → /auto-review-loop → /paper-writing（可选）

其中 Workflow 3（论文写作）是可选的，由 AUTO_WRITE 控制。

主要能力

  • 想法发现（Stage 1）：内部运行 /research-lit → /idea-creator → /novelty-check → /research-review，输出 idea-stage/IDEA_REPORT.md，包含排序、验证并经过试点测试的想法。
  • 实验桥接（Stage 2）：委托 /experiment-bridge 实现与部署，解析 refine-logs/EXPERIMENT_PLAN.md，实现实验代码，进行跨模型代码评审（GPT-6-Astra xhigh），运行最小实验做健全性检查，按作业数量自动路由（≤5 → /run-experiment，≥10 → /experiment-queue，带 OOM 重试、波次门控、崩溃安全状态），收集初始结果，并在主结果为正时通过 /ablation-planner 自动规划消融实验。
  • 自动评审循环（Stage 3）：/auto-review-loop 最多进行 4 轮，GPT-6-Astra xhigh 评审（评分、弱点、最小修复），Claude Code 实施修复，部署修复并收集新结果，重复直到（评分 ≥ 6/10 且 verdict ∈ {ready, almost}）或达到 4 轮。输出 review-stage/AUTO_REVIEW.md。
  • 研究总结与写作交接（Stage 4）：生成 NARRATIVE_REPORT.md，并在 RENDER_HTML=true 时自动渲染为 HTML。
  • 可恢复运行：通过 run_state.py 跟踪每个阶段状态，支持 --resume <run_id> 从崩溃或中断处继续，而不是重新开始。阶段状态区分 done（执行器完成写入）与 accepted（该阶段的跨模型门控/确定性验证器通过）。
  • 夜间心跳停滞检测：仅在无人值守心跳驱动运行时启用，检测停滞阶段并推动前进，但绝不判定工作质量。停滞 ≥ 2 时强制结构性转向（改变框架/目标/数据/表示），停滞 ≥ 4 时标记为需人工关注。

使用方式

基本调用：/research-pipeline "$ARGUMENTS"

可通过参数覆盖常量，例如： /research-pipeline "topic" — AUTO_PROCEED: false, human checkpoint: true, difficulty: nightmare, code review: false, base repo: https://github.com/org/project, auto_write: true, venue: NeurIPS

可恢复运行：/research-pipeline — resume <run_id>

关键常量包括：

  • AUTO_PROCEED = true：为 true 时每个选择检查点仅作信息报告并在同一轮继续；为 false 时要求用户明确确认并在检查点结束该轮。
  • ARXIV_DOWNLOAD = false：为 true 时 /research-lit 在文献调查期间下载相关 arXiv PDF；为 false（默认）时仅通过 arXiv API 获取元数据。
  • HUMAN_CHECKPOINT = false：为 true 时自动评审循环在每轮评审后暂停。
  • REVIEWER_DIFFICULTY = medium：评审对抗程度，可选 medium（默认，标准 MCP 评审）、hard（增加评审记忆 + 辩论协议）、nightmare（GPT 通过 codex exec 直接读取仓库 + 记忆 + 辩论）。
  • CODE_REVIEW = true：GPT-6-Astra xhigh 在部署前评审实验代码。
  • BASE_REPO = false：用作基础代码库的 GitHub 仓库 URL。
  • COMPACT = false：为短上下文模型和会话恢复生成紧凑摘要文件。
  • AUTO_WRITE = false：为 true 时在 Stage 4 后自动调用 /paper-writing。
  • VENUE = (unset)：论文写作目标会议/期刊，可选 ICLR、NeurIPS、ICML、CVPR、ACL、AAAI、ACM、IEEE_CONF、IEEE_JOURNAL。
  • RENDER_HTML = true：在 Stage 4 完成时自动将 NARRATIVE_REPORT.md 渲染为 HTML。
  • RESUMABLE = true：记录每阶段状态到 .aris/runs/<run_id>.json。

适用场景

适用于需要自动化完成从想法到论文提交全流程的研究场景，尤其是希望无人值守运行、跨模型评审、可恢复长流程的机器学习/人工智能研究项目。

限制

  • 论文写作（Workflow 3）为可选，默认不启用；缺少 VENUE 会推迟论文写作，但不会阻塞 Stage 1-4。
  • 心跳仅能说“继续/改变方向”，绝不判定“足够好”；所有质量判定仍终止于跨模型评审。
  • 部分辅助脚本（如 iteration_log.py、run_state.py）若无法解析会警告并跳过，不阻塞流水线。
  • 资料未提供具体收费、价格、平台或效果信息。