深度揭秘AutoResearchClaw：从暴力试错到自我进化的疯狂科学家

AutoResearchClaw = AutoResearch + OpenClaw

几周前，我们都对卡帕西karpathy的AutoResearch：https://www.jdon.com/90875-Autoresearch-Agent-Collaboration-Evolution.html项目感到兴奋，这个项目实现了实验循环的自动化。

但是，好多人更进了一步，把整个科学研究的方法从头到尾都交给了机器自动来完成。

这个东西叫 AutoResearchClaw，而且它是完全公开源代码的。

你只需要给它一个命令行，里面包含你的初步想法，它就能从头到尾把事情全部搞定

他们设计的那个23层循环简直太厉害了：

✦首先，它会做文献综述。
它会在arXiv和Semantic Scholar这两个网站上搜索真实的论文。 还会和DataCite、CrossRef这些数据库进行交叉核对。那些瞎编的资料是绝对过不了关的。

✦其次，它会运行一个隔离环境。
它会从头开始编写代码。 如果代码出了错，它还能自己修复。整个过程你都不需要插手。

✦最后，它会撰写论文。
 它会写一篇超过5000字的论文，分成引言、相关工作、方法和实验四个部分。 论文里的数学公式会排好版，还会生成用来对比的图表，然后把这些内容全部装进官方的ICML或者ICLR的LaTeX论文模板里。

你可以设置让它停下来，等你人工审核批准，或者你也可以直接加上一个“--auto-approve”的命令参数，然后就不用管了。

最后它能给你整出这些东西：
→一份完整的学术论文初稿
→符合会议要求的 .tex 格式文件
→经过核实、没有胡编乱造的参考文献
→所有的实验代码和隔离环境里的运行结果

这就是2026年真正自主运行的人工智能代理的样子。

你可以把它理解成一个“科研永动机”：
一个循环不断跑：

1. 读取研究目标（类似提示词/任务说明）
2. 生成研究假设（AI提出思路）
3. 执行实验（代码 / 数据 /模型）
4. 评估结果（指标是否变好）
5. 保留 or 丢弃
6. 进入下一轮

本文揭秘AutoResearchClaw如何让AI自动搞科研，从核心机制到实战应用，看这个“科研永动机”如何用暴力试错法自我进化，产出顶会级论文。

它就是个科研永动机，根本停不下来

想象一下，你手里有一个神奇的盒子，你对着盒子大喊一声：“我要发财！”然后盒子就开始自动工作，它会自己分析“怎么才能发财”，是去抢劫银行（这个会被抓，方案否决），还是去买彩票（概率太低，否决），最后决定先研究一下彩票号码的分布规律（虽然这也没啥用，但它态度是好的）。然后它会自己写一个程序，去爬取所有历史中奖号码，进行统计分析，生成图表，最后得出一个结论：“亲，经过我800次实验，发现买彩票并不能让你发财，建议换个方向。”然后，它根据这个结论，又开始新一轮的思考：“那做什么能发财呢？要不去研究一下股票？”

这个神奇的盒子，就是AutoResearchClaw的本质——一个科研流程自动化循环系统。它不是一次性的问答机器，你问“1+1等于几”，它回答“2”，然后就完了。它是一个活生生的、一直在转圈圈的“死循环”程序，只不过这个循环里跑的不是简单的计算，而是整个科研生命周期。

这个循环的核心引擎是啥？就是“提出假设 → 设计实验 → 执行实验 → 评估结果 → 吸取教训 → 再来一轮”。每一步都被代码化了。比如，“提出假设”这一步，不再是人类科学家在咖啡厅发呆时灵光一闪，而是由一个AI模型，根据你最初给的“研究目标”和它从文献库里扒拉出来的海量知识，像抽盲盒一样生成好几个可能的思路。然后，“设计实验”这一步，就是另一个AI模型（或者同一个，反正它够忙的）根据这个思路，去写出一段能验证这个想法的代码。

接着就是最暴力也是最爽的部分：“执行实验”。你的电脑就开始呼呼地转，显卡风扇开始咆哮，代码跑起来了！跑完之后，“评估结果”的AI模型就上线了，它看看这次实验出来的数据，比如准确率是不是提高了，损失函数是不是下降了，然后给这次的尝试打个分。如果分高，就把这次改动“存档”保留下来；如果分低，就毫不留情地“丢弃”。然后，整个系统根据这次成功或失败的经验，再次进入“提出假设”阶段，开始下一轮循环。

这个过程会一直重复，重复，再重复，直到达到你设定的目标，比如“准确率达到95%”，或者跑满你设定的时间，比如“给我跑一晚上”。第二天早上你来看，它可能已经自动迭代了几百次。这哥们儿就是一个不知道疲倦的科研永动机，只要给它电，给它目标，它就能一直“卷”下去，卷到天荒地老，卷到你心发慌。这才是真正的“比你聪明的人还比你努力”的AI版，关键是它还不用睡觉，不用吃饭，不用发工资！你说气人不气人？

普通AI是点读机，这货是永动机

咱们平时用的那些AI工具，像什么ChatGPT、文心一言，你感觉它们挺聪明的，上知天文下知地理。但你仔细想想，它们的工作模式特别像一台高级的“点读机”。你问它：“洋务运动的历史意义是什么？”它马上给你吐出一篇结构清晰的小作文，然后就安静了。你再问下一个问题，它再回答。它就像那个“哪里不会点哪里”的电子教辅，你说一句，它动一下，你们之间是一问一答的单次交易。它没有自己的小目标，也不会主动去琢磨，“哎，用户刚才问了我洋务运动，我要不再顺便研究一下戊戌变法，给他个惊喜？”不存在的，你让它干啥它干啥，属于典型的“拨一拨，动一动”。

但AutoResearchClaw这家伙就不一样了，它是个有“主观能动性”的神经病。你跟它说一次“帮我研究一下强化学习在游戏AI中的应用”，好家伙，它就像拿到了圣旨一样，立刻给自己建立了一个五年计划、三个远景目标。它不再等着你下一条指令，而是开始自我驱动地折腾起来。它会想：“嗯，目标有了，那我现在得先读读文献，看看大家都在玩什么游戏，是《星际争霸》还是《王者荣耀》？哦，文献读完了，发现《我的世界》是个新热点，那我就先拿它开刀。好，假设有了，我得写个代码让AI学会在《我的世界》里撸树。代码写好了，跑一下看看，哎呀，怎么老是被僵尸打死？实验失败了，我得分析分析原因，是网络结构不对，还是奖励函数没设好？分析完了，吸取教训，修改代码，再跑一轮……”

看见没？整个过程，你就像一个甩手掌柜的老板，扔给员工一个“今年公司要盈利”的目标后，就去打高尔夫了。而这个叫AutoResearchClaw的员工，自己组建团队（虽然都是它自己），自己市场调研，自己研发产品，自己测试迭代，最后还自己写了一份详细的年度总结报告（也就是论文）。它和你之间不是简单的问答关系，而是一种你给我目标，我还你成果的长期项目承包关系。

所以，普通AI和它的最大区别就是：普通AI是“单次推理机器”，而AutoResearchClaw是一个“持续进化系统”。一个是没有记忆、没有目标的被动应答者；另一个是带着长期记忆、奔着明确目标、在循环中不断学习和改进的主动行动派。如果说普通AI是算盘，你拨一下它动一下，那AutoResearchClaw就是一台已经写好程序的计算机，你只要按下启动键，它就能自己把复杂的计算跑完，甚至还能顺便帮你把结果打印出来装订好。这能一样吗？这根本就是智人跟尼安德特人的差距啊！

它的灵魂来自两个疯子科学家的脑洞

这么个疯狂的想法，肯定不是石头缝里蹦出来的，它的背后站着两位“科学疯子”（当然，不是真的疯，是指想法超前）。AutoResearchClaw可以说是站在两个巨人的肩膀上，一个叫“自进化智能体”，一个叫“科研自动化循环”。这俩名字听起来挺唬人，咱们用段子拆开揉碎了讲。

第一个灵魂，自进化智能体。

这概念的核心思想，可以用一句话概括：不让人类当老师，让AI自己教自己。想象一下，你养了一只刚出生的AI小怪兽，你不会教它任何东西，只是把它扔进一个满是玩具和数据的大池子里，告诉它：“孩砸，你自己玩吧，想学啥学啥，觉得怎么舒服怎么来。”然后这只小怪兽就开始在池子里瞎扑腾。有一天，它无意中碰到一个玩具，发出好听的声音，它觉得“哎，这个爽！”它就记住了这个动作，以后就多这么做。另一个动作让它撞到头，疼了一下，它记住了，以后就少这么做。久而久之，它自己摸索出了一套在这个池子里“寻欢作乐”的最佳策略。这就是自进化的雏形——不依赖外部标注，完全靠内部生成的“爽”或“不爽”的信号来优化自己的行为。

AutoResearchClaw就是把这种“自己教自己”的狂野思想，应用到了“搞科研”这个特定场景里。它的内部“爽点”是什么？就是实验结果变好了，指标提升了，论文写得更有道理了。当它做一个改动，比如修改了模型的一个参数，跑出来的准确率从80%涨到了81%，那这个信号对它来说就是巨大的“爽”，它会牢牢记住这个改动，并在未来更倾向于做类似的修改。如果它改了个东西，结果程序直接崩溃报错，那就是“撞到头了”，它会吸取教训，下次绕着走。整个系统就在这种“试错-反馈-优化”的循环里，像小怪兽一样，自己把自己进化成了一个科研高手。

第二个灵魂，科研自动化循环。

这个思想就更贴近我们人类的科研日常了。每个做过科研的同学都知道，咱们的日常就是：写个程序.md（记录你的想法和计划） → 吭哧吭哧改代码 → 忐忑不安地跑实验 → 紧盯指标看结果 → 如果结果好，留下改动；如果结果烂，退回重来 → 重复以上步骤N次，直到毕业或放弃。这个过程枯燥、重复、且极其耗费发际线。

AutoResearchClaw背后的“科研自动化循环”思想，就是把这套折磨了无数研究生的流程，给“程序化”、“自动化”了。它把“写计划”变成了AI从你给的主题生成大纲，把“改代码”变成了AI根据假设自动修改，把“跑实验”变成了沙箱里的自动执行，把“看指标”变成了AI的自动评估，把“决定是否保留”变成了一个自动化的版本控制系统。整个流程就像一个无人化、自动化的科研流水线。原本需要一个研究生干一个月才能迭代个十几次的实验，现在交给这条流水线，一个晚上就能跑几百次。

所以你看，AutoResearchClaw不是什么外星科技，它就是把“AI自我进化”的疯狂想法，完美地嵌入到了“自动化科研流水线”这个现实流程中，最终诞生了这么一个既能自己教自己，又能自己搞科研的缝合怪。这就像一个顶级厨师，把分子料理的理念和传统的红烧肉做法结合起来，创造出一道你完全看不懂但又觉得真香的黑暗料理。它既有疯狂的灵魂，又有扎实的骨架，活该它能火！

它专治科研人员的三大绝症

咱们搞科研（或者说未来可能要搞科研）的，最怕啥？不是智商不够，是三大绝症：拖延症、强迫症、穷癌。这三种病，一个比一个致命，而AutoResearchClaw，简直就是为这三大绝症量身定制的特效药。

第一，治拖延症。人类的科研是怎么做的？想了一个点子，觉得“哎，这个想法牛逼，能发顶刊！”然后，准备动手……等等，先刷会儿B站压压惊。刷完B站，又觉得“是不是该先读读文献？”然后打开文献，读了五分钟，觉得“好累啊，喝杯咖啡先”……一来二去，一个上午过去了，代码一行没写。这就是拖延症晚期的典型症状。但AutoResearchClaw没有这个烦恼，它是个没有感情的工作机器。你只要把任务交给它，它立刻、马上、一秒都不耽误地开始干活。它不会说“我先看集动漫找找灵感”，也不会抱怨“这个实验好难不想做”。它只会默默地在后台跑代码，消耗你的电费，产出你的成果。它治的不是你的拖延症，它直接把“拖延”这个选项从流程里删掉了。你拖延？没关系，反正活儿它干了。

第二，治强迫症。搞研究的人多少都有点强迫症。调个参数，总想调出个完美的数字；跑个实验，总想着能不能让结果更好看一点。于是，你可能为了一个参数，手动调上几十次，每次都要重复“修改-保存-运行-记录”这个繁琐的过程。这不仅效率低，还极度折磨人的心智，最后很可能因为一次手滑，把之前的完美结果覆盖了，然后心态爆炸。AutoResearchClaw就是治疗这种强迫症的神器。它会把每一次实验的代码、参数、结果都自动、完整地记录下来，生成一个结构清晰的文件夹，里面分门别类地放着stage-08_v1、stage-08_v2……版本控制做得比处女座还精细。你不用担心手滑，因为它不会手滑。它就像一个有着超级强迫症的完美管家，把所有东西都安排得井井有条。你想看哪个版本的结果，随时可以回溯。你的强迫症在它完美的归档系统面前，只能甘拜下风，甚至会被治愈——因为你发现，自己根本不需要操心了，它做得比你想象的还要好一万倍。

第三，治穷癌（时间上的贫穷）。科研穷，主要穷在时间和精力上。一个点子，从想到验证，再到写成论文，需要投入海量的时间和精力。你熬夜、掉头发、甚至没时间谈恋爱，都未必能折腾出一篇好论文。但AutoResearchClaw直接把“试错”的成本降到了接近零。以前，你想验证一个想法，可能需要手动跑一周的实验，发现结果不行，一周时间就白白浪费了。现在，你把这一周时间交给它，它可能已经跑了几百个不同的想法，从中筛选出几十个有效的，然后优中选优，给你一个最佳方案。它把人力从低效的、重复的“体力劳动”中解放出来，让你可以专注于更高层次的思考。这就像什么呢？以前你要徒手挖一座山，可能挖到死也挖不完。现在AutoResearchClaw给了你一台挖掘机，你只要坐在驾驶室里动动操纵杆，山就自己平了。它治好了你“时间总是不够用”的穷癌，让你瞬间从体力劳动者，晋升为脑力劳动的指挥家。

所以你看，AutoResearchClaw不仅仅是一个工具，它是一个全方位无死角的科研伴侣，专门解决你搞科研路上的各种疑难杂症。有了它，你可能会发现，原来搞科研也可以这么轻松，这么优雅，这么……省头发。

这玩意儿能干啥？从炼丹到写小作文，无所不包

别以为AutoResearchClaw只能用来搞那种高大上的、发论文的科研，那你就太小看它了。它的本质是一个通用的问题解决框架，只要你的任务满足三个条件，就能往里套：任务可以重复做，有明确的评价指标，并且能让电脑自动执行。只要满足这三点，它就能给你变出花儿来。

咱们来盘点一下它的几个“不务正业”的场景，保证让你大开眼界。

第一个场景，也是最正统的，模型训练优化，也就是咱们俗称的“炼丹”。你想训练一个牛逼的AI模型，但不知道用什么参数好，用什么网络结构好。以前，你得凭经验猜，或者看别人的论文抄。现在，你把这事儿交给AutoResearchClaw。你告诉它：“目标是把模型在测试集上的准确率提到最高，工具给你，你去折腾吧。”然后，它就会像入了魔的炼丹师一样，开始疯狂地调整各种超参数，比如学习率、批大小、优化器类型，甚至尝试修改网络的层数、激活函数。它每改一次，就跑一次实验，记录一次准确率。准确率高了，它就记录下这套参数，并在这个基础上继续微调；准确率低了，它就果断抛弃，换个方向继续试。一个晚上下来，它可能已经帮你试了成百上千种参数组合，最后把效果最好的一套拱手奉上。这效率，比人类炼丹师不知道高到哪里去了。

第二个场景，代码优化。你写了一坨代码，虽然能跑，但是你自己看着都觉得恶心，又慢又乱，还全是Bug。你想重构它，但又怕改坏了。这时候，AutoResearchClaw又可以上场了。你给它一个目标：“让这段代码运行速度提升50%，并且通过所有的单元测试。”然后，它就开始大刀阔斧地改你的代码。它会尝试用更高效的数据结构，会把重复的代码段提取成函数，会优化循环逻辑。每改完一版，它就会自动运行你事先写好的单元测试，看看有没有把功能改坏。如果测试通过，并且运行时间确实变短了，它就保留这个版本；如果测试没通过，或者反而变慢了，它就回退重来。这样迭代几十轮后，你再看你的代码，可能会惊呼：“这特么是我写的？这优雅得简直不像话！”它就像一个经验丰富的代码评审员，不知疲倦地帮你重构、优化，直到把你的代码屎山，变成一座代码宫殿。

第三个场景，绝对让你意想不到——SEO和内容优化。做自媒体或者运营网站的同学都懂，写个好标题有多重要。标题起得好，流量吃到饱；标题起得烂，写完没人看。以前，你得自己想十几个标题，然后凭感觉猜哪个好。现在，AutoResearchClaw能帮你科学地“测标题”。你给它一篇文章的内容，告诉它目标：“找出这篇文章里点击率最高的标题。”然后，它会调用大语言模型，根据文章内容，自动生成成百上千个风格各异的标题，比如“震惊体”、“干货体”、“疑问体”等等。每生成一个标题，它就利用某些工具（比如模拟点击的模型，或者和真实广告平台对接）去“预估”这个标题的点击率。然后，它把点击率高的标题记录下来，分析它们的共同特点，比如是不是都用了数字，是不是都包含情绪词，然后根据这些特点，再生成新一批的标题。经过这么几轮进化，最后给你一个点击率最高的“爆款标题”。这简直就是自媒体人的终极作弊器啊！

最后一个场景，也是你现在最该试试的——提示词优化。玩大语言模型，什么最重要？提示词最重要！一个好提示词和一个烂提示词，得到的回答天差地别。但怎么写个好提示词，也是一门玄学。现在，让AutoResearchClaw帮你搞定。你只需要给它一个任务，比如“让AI用鲁迅的风格写一段关于AI未来的评论”，然后告诉它一个评估标准，比如“让另一个AI来打分，看哪段话最像鲁迅的风格”。接着，它就会像一个提示词工程师一样，开始疯狂地“调教”提示词。它会尝试在提示词里加各种限定词，比如“要带点讽刺”、“要多用比喻”、“要提到野草”、“要提到铁屋子”等等。每写一个新提示词，就让AI生成一段话，然后让打分AI打分。分数低的提示词丢掉，分数高的留下来继续优化。最后，它会收敛到一个最牛掰的提示词，用这个词能让AI生成出最鲁迅味儿的AI评论。以后你再也不用为怎么写提示词发愁了，直接把活儿甩给它，坐等最优解就行。

看到了吧？AutoResearchClaw的应用场景，绝对超乎你的想象。它就是一个万能的小马达，只要给它装上合适的“任务轮子”，它就能在你需要的任何领域，疯狂地、自动化地、不知疲倦地奔跑起来，帮你找到最优解。

有什么不同

PIVOT / REFINE 决策循环

流水线不只是线性运行。第 15 阶段（RESEARCH_DECISION）根据实验结果评估假设，做出自主决策：

• PROCEED — 结果支持假设，继续写论文
• REFINE — 结果有前景但需改进，回到代码/参数优化
• PIVOT — 发现根本性问题，从假设生成重新开始

多 Agent 辩论

关键阶段使用结构化辩论协议，汇集多个 LLM 视角：

• 假设生成 — 多个 Agent 提出和挑战创意
• 结果分析 — 乐观者、怀疑者、实用者多角度分析
• 同行评审 — 方法论-证据一致性审查（论文声称跑了 50 次实验，代码只跑了 5 次？）

Evolution：跨运行自学习

每次运行提取细粒度教训——不只是"失败了"，而是为什么：

• PIVOT/REFINE 决策的具体理由
• 实验 stderr 中的运行时警告（如 RuntimeWarning: division by zero）
• 指标异常（NaN、Inf、所有算法收敛速度相同）

知识库

每次运行自动构建结构化知识库（存储在 docs/kb/ 中），包含 6 个类别：

• decisions/ — 实验设计、质量门控、研究决策、资源规划、搜索策略、知识归档
• experiments/ — 代码生成日志、实验运行记录、迭代优化过程
• findings/ — 引用核查报告、结果分析、综合报告
• literature/ — 知识提取、文献采集、筛选结果
• questions/ — 假设生成、问题分解、主题初始化
• reviews/ — 导出/发布报告、论文草稿、大纲、修订、同行评审

️ Sentinel 看门狗

后台质量监控，捕获主流水线可能遗漏的问题：

• 运行时 Bug 检测 — 指标中的 NaN/Inf、stderr 警告反馈给 LLM 进行定向修复
• 论文-证据一致性 — 实际实验代码、运行结果、迭代日志注入同行评审
• 引用相关性评分 — 不仅验证引用存在性，还用 LLM 评估与研究主题的相关性
• 收敛判据强制 — 检测固定迭代实验，要求实现正确的 early stopping
• 消融验证 — 检测重复/相同的消融条件，标记失效的对比实验
• 反数据捏造守卫 — 实验无指标时硬性阻止论文撰写

通过 OpenClaw 使用（推荐）

如果你已经在使用 OpenClaw 作为 AI 助手：

1️⃣  把 GitHub 仓库地址分享给 OpenClaw
2️⃣  OpenClaw 自动读取 RESEARCHCLAW_AGENTS.md → 理解流水线
3️⃣  对它说："帮我研究 [你的主题]"
4️⃣  完成 — OpenClaw 自动克隆、安装、配置、运行，然后返回结果

就这么简单。

OpenClaw 自动处理 git clone、pip install、配置和流水线执行。你只需聊天。

✨ 核心功能

多源文献搜索

第 4 阶段调用真实学术 API，而非依赖 LLM 凭记忆编造论文。采用 arXiv 优先策略以避免 Semantic Scholar 限流。

• arXiv API（主源）— 预印本（真实 arXiv ID 和元数据），无速率限制
• Semantic Scholar API（副源）— 真实论文（标题、摘要、期刊、引用次数、DOI）
• 查询扩展 — 自动生成更广泛的搜索词（综述、基准、对比变体），目标覆盖 30-60 篇参考文献
• 自动去重 — DOI → arXiv ID → 模糊标题匹配
• BibTeX 生成 — 有效的 @article{cite_key, ...} 条目
• 三态熔断器 — CLOSED → OPEN → HALF_OPEN 自动恢复，指数退避冷却（永不永久禁用）
• 优雅降级 — S2 失败不阻塞 arXiv 结果；所有 API 均失败时回退到 LLM 增强结果

 引用核查（第 23 阶段）：论文写完后，自动对每条引用进行完整性和相关性核查：

 硬件感知执行：第 1 阶段自动检测本地 GPU 能力，调整整条流水线

沙箱实验执行

顶会级论文撰写

写作流水线对标 NeurIPS/ICML/ICLR 标准（9+ 页，5,000-6,500 词）：

• 数据完整性执行 — 实验无指标时硬性阻止论文撰写（防止 LLM 捏造结果）
• 顶会级提示 — 系统提示包含已接收论文分析的关键原则：新颖性、叙事性、强基线、消融实验、诚实性、可复现性
• 标题与框架指南 — 新颖性信号、"可传播性测试"、5 句式摘要结构
• 分段撰写 — 3 次顺序 LLM 调用，避免输出截断
• 逐节字数目标 — 摘要（150-250）、引言（800-1000）、相关工作（600-800）、方法（1000-1500）、实验（800-1200）、结果（600-800）、讨论（400-600）
• 修订长度保障 — 修订稿若短于初稿，自动重试
• 反免责声明强制 — "due to computational constraints" 最多出现 1 次；修订提示主动删除重复的模糊表述
• 统计严谨性 — 结果表格要求包含置信区间、p 值和效应量；失效消融被标记并排除在声明之外
• 顶会级同行评审 — 审稿人按 NeurIPS/ICML 评分标准打分 1-10