科研自动化的全流程智能平台AI-Researcher

作者


欢迎来到 AI-Researcher🤗 本系统在自动化科学发现🔬领域实现革命性突破，通过全新架构重塑传统科研范式。这个尖端平台为研究者提供：

  • 🎯 全流程自主化：端到端的科研自动化
  • 🔄 无缝协同：从概念到发表的完整闭环
  • 🧠 先进AI整合：基于最前沿的智能体技术
  • 🚀 科研加速器：高效推进科学创新

✨ AI-Researcher系统支持两种研究需求输入模式 ✨

模式一：详细创意描述
用户提供完整的研究设想描述，系统将基于明确需求制定实施方案

模式二：文献启发创新
用户仅需提交参考文献，典型指令格式：”我有一些参考文献，请基于这些论文提出创新方案并实现”。系统将分析文献生成原创研究思路

🌟核心功能架构
AI-Researcher通过模块化整合构建完整科研生态：

🚀核心科研功能

  • 📚 文献综述：自动化文献分析与综合
  • 📊 创意生成：系统化梳理并形成新研究方向
  • 🧪 算法设计与实现：方法论开发与工程落地
  • 💻 算法验证优化：自动化测试与迭代改进
  • 📈 结果分析：实验数据的深度解读
  • ✍️ 论文撰写：自动生成完整学术论文




⚡ 快速开始

安装指南

AI环境安装

  1. 使用uv工具

推荐使用uv管理项目依赖（比conda更快）

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line# 安装uvcurl -LsSf https://astral.sh/uv/install.sh | shsource ~/.bashrc
# 克隆项目git clone https://github.com/HKUDS/AI-Researcher.gitcd AI-Researcher
# 创建并激活环境uv venv --python 3.11source ./.venv/bin/activateuv pip install -e .playwright install

Docker安装

我们使用Docker容器化技术部署智能交互环境。运行前请确保已安装Docker。执行以下命令获取研究智能体镜像：

ounter(linedocker pull tjbtech1/airesearcher:v1

或通过提供的Dockerfile自行构建：

ounter(linecd ./docker && docker build -t tjbtech1/airesearcher:v1 .

API密钥配置

基于’.env.template’创建环境变量文件，配置包括API密钥、测试案例ID等参数：

ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line# ================ 容器配置 ================DOCKER_WORKPLACE_NAME=workplace_paperBASE_IMAGES=tjbtech1/airesearcher:v1COMPLETION_MODEL=openrouter/google/gemini-2.5-pro-preview-05-20CHEEP_MODEL=openrouter/google/gemini-2.5-pro-preview-05-20GPUS='"device=0"'CONTAINER_NAME=paper_evalWORKPLACE_NAME=workplaceCACHE_PATH=cachePORT=7020PLATFORM=linux/amd64
# ================ 大模型配置 ================GITHUB_AI_TOKEN=您的GitHub_AI令牌OPENROUTER_API_KEY=您的OpenRouter密钥OPENROUTER_API_BASE=https://openrouter.ai/api/v1
# ================ 任务配置 ================CATEGORY=vqINSTANCE_ID=one_layer_vqTASK_LEVEL=task1MAX_ITER_TIMES=0

🔥 Web图形界面

基于gradio开发的Web界面可通过以下命令启动：

ounter(linepython web_ai_researcher.py

环境变量配置界面：


案例选择界面：

✨ 工作原理

  • 🔄 端到端科研自动化系统
    AI-Researcher通过集成化流水线实现完整科研生命周期的自动化管理，包含三大战略阶段：

    • 写作智能体 📄：自动整合研究思路、算法框架和实验结果，生成结构完整的学术论文
    • 📝设计阶段：构建理论框架与实施方案
    • ⚙️实现阶段：将概念转化为可执行代码
    • 🔬验证阶段：系统化测试与性能评估
    • 🔧优化阶段：基于测试结果的迭代改进
    • 🔍 资源收集器：从主流学术数据库自动获取跨领域研究资料
    • 🧠 资源过滤器：基于引用量、代码维护等指标筛选高质量资源
    • 💭 创意生成器：系统分析现有方法局限，探索新兴研究方向

    1. 文献综述与创意生成 📚💡

    2. 算法设计、实现与验证 🧪💻
      设计→实现→验证→优化四阶段闭环

    3. 论文撰写 ✍️📝

  • 🔬 综合基准测试体系
    我们建立了标准化评估框架，包含：

    1. 👨‍🔬 专家级基准：以人工撰写论文作为黄金标准
    2. 🌈 多领域覆盖：涵盖CV、NLP、DM、IR四大方向
    3. 🌐 开源基准构建：公开数据集处理全流程
    4. 📊 多维评估指标：创新性、实验完整性、理论基础等

  • 🌟 易用型AI科研助手
    特色功能包括：

    1. 🌐 多模型支持：兼容Claude、OpenAI等主流模型
    2. 📚 一键启动：仅需提供参考文献即可开始研究
    3. 🧠 低门槛：无需深厚领域知识即可获得专业成果
    4. 📦 开箱即用：最小化配置立即体验

🔍 使用指南

1. 研究智能体

如需执行完整研究流程（模式一任务），运行：

ounter(line# 在research_agent/run_infer_level_1.sh中配置参数后执行

若仅提供参考文献自动生成创意（模式二任务），运行：

ounter(line# 在research_agent/run_infer_level_2.sh中配置参数后执行

2. 论文写作智能体

研究完成后生成论文：

ounter(line# 在paper_agent/run_paper.sh中配置字段参数后执行

3. 基准数据

基准数据集与收集流程详见：

  • benchmark 目录
  • benchmark_collection 目录

项目地址

https://github.com/HKUDS/AI-Researcher/blob/main/README.md





扫码加入技术交流群，备注「开发语言-城市-昵称」

（文：GitHubStore）

发表评论