Menu
AutoResearchClaw 23 阶段自主研究管线的中文技能。自动设置、交互式配置、执行监控和故障诊断。当用户提到 ResearchClaw、自主研究、论文生成、研究管线时使用。
The review-first prompt is selected by default. You can switch to a direct command or download a local copy.
Read SKILL.md and any companion files shown by SkillsMP before deciding whether to install.
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
A direct command skips the review prompt. Inspect the source before running it.
npx skills add https://github.com/OthmanAdi/researchclaw-skill --skill researchclaw-cnThe command stays on one line. Scroll horizontally to inspect it before copying.
Prefer a local copy? Download the files currently available to SkillsMP.
Automate setup, configuration, execution, monitoring, and troubleshooting of AutoResearchClaw — the 23-stage autonomous research pipeline that generates conference-grade papers. Use when the user mentions ResearchClaw, wants to write a research paper autonomously, needs to set up or debug the pipeline, or says research paper, autonomous research, or paper generation.
AutoResearchClaw 23 阶段自主研究管线的中文技能。自动设置、交互式配置、执行监控和故障诊断。当用户提到 ResearchClaw、自主研究、论文生成、研究管线时使用。
Based on SOC occupation classification
Showing SKILL.md
| name | researchclaw-cn |
| description | AutoResearchClaw 23 阶段自主研究管线的中文技能。自动设置、交互式配置、执行监控和故障诊断。当用户提到 ResearchClaw、自主研究、论文生成、研究管线时使用。 |
| license | MIT |
| user-invocable | true |
| compatibility | 需要 Python 3.11+、Docker 和 LaTeX。支持 Claude Code 及兼容的编码代理。 |
| metadata | {"author":"OthmanAdi","version":"1.0.0","upstream":"https://github.com/aiming-lab/AutoResearchClaw","upstream-version":"0.3.1","language":"zh-CN"} |
| allowed-tools | Bash(python*) Bash(pip*) Bash(docker*) Bash(researchclaw*) Bash(git*) Bash(cat*) Bash(ls*) Bash(grep*) Bash(which*) Bash(uv*) Read Write Grep Glob |
| hooks | {"PostToolUse":[{"matcher":"Bash(researchclaw*)","hooks":[{"type":"command","command":"bash \"${CLAUDE_SKILL_DIR}/scripts/post-run-check.sh\""}]}],"PreToolUse":[{"matcher":"Write(config.yaml)","hooks":[{"type":"command","command":"bash \"${CLAUDE_SKILL_DIR}/scripts/pre-config-write.sh\""}]},{"matcher":"Bash(rm *artifacts*)","hooks":[{"type":"command","command":"bash \"${CLAUDE_SKILL_DIR}/scripts/pre-delete-guard.sh\""}]}]} |
重要提示：本技能需要先安装 AutoResearchClaw。 本技能是封装层，不能独立运行。请先安装上游项目，再安装本技能。
本技能封装了 AutoResearchClaw，一个 23 阶段的自主研究管线。输入一个研究主题，即可自动完成从文献综述到论文生成的全流程，包括真实引文检索、沙箱实验执行、多智能体同行评审和引文验证。
诚实原则： 本技能不会虚构功能。每个命令都映射到真实的上游功能。如果某些功能失败，技能会报告实际错误并建议具体的修复方案——绝不假装问题不存在。
| 命令 | 功能 |
|---|---|
/researchclaw | 显示帮助信息和可用子命令 |
/researchclaw:setup | 检查并安装所有前置依赖（Python、Docker、LaTeX、pip 包） |
/researchclaw:config | 交互式配置向导 — 生成可用的 config.yaml |
/researchclaw:run | 启动研究管线 |
/researchclaw:status | 查看管线运行状态 |
/researchclaw:resume | 从上次成功的阶段恢复运行 |
/researchclaw:diagnose | 自动检测并解释常见故障 |
/researchclaw:validate | 运行前验证配置、依赖和连接性 |
调用时不带子命令，显示命令列表和状态摘要：
researchclaw CLI 是否已安装：which researchclawconfig.yaml必须：安装任何内容前先征求用户同意。 展示缺失项并获得明确批准。
运行前置检查脚本：
bash "${CLAUDE_SKILL_DIR}/scripts/check-prereqs.sh"
脚本检查每个依赖并输出 JSON 报告。根据报告：
python3 --version。如果缺失或版本太旧，建议 pyenv install 3.11 或系统包管理器。pip3 --version 或 uv --version。如果没有 uv，建议安装（更快）。docker info。如果 Docker 守护进程未运行，如实告知用户——本技能无法在大多数系统上启动 Docker。pdflatex --version。如果缺失，建议 sudo apt-get install texlive-full（Linux）或 brew install --cask mactex（macOS）。如实说明：这是大型下载（2-4 GB）。pip3 show researchclaw。如果未安装：
pip3 install researchclaw
git clone https://github.com/aiming-lab/AutoResearchClaw.git
cd AutoResearchClaw
pip3 install -e ".[all]"
中国大陆用户：使用国内镜像加速安装：
pip install researchclaw[all] -i https://pypi.tuna.tsinghua.edu.cn/simple
本技能无法做到的事：
通过分批询问用户来生成可用的 config.yaml。每批使用 AskUserQuestion。
第一批 — 必要设置（必须询问）：
openai、anthropic、azure、deepseek、localOPENAI_API_KEY）gpt-4oclaude-sonnet-4-20250514deepseek-chat第二批 — 实验设置（带智能默认值询问）：
simulated（无代码执行，最快）、sandbox（本地执行）或 ssh_remote（GPU 服务器）。默认：simulatedtrueartifacts/第三批 — 可选高级设置（提供但不要求）：
neurips、icml、iclr 或 generic。默认：neurips3arxiv、semantic_scholar 或 both。默认：both收集答案后，使用 assets/config-template.yaml 中的模板生成 config.yaml。写入当前目录并展示给用户。
起飞前检查（启动前必须运行）：
/researchclaw:validate 逻辑启动管线：
researchclaw run --topic "$ARGUMENTS" --config config.yaml --auto-approve 2>&1 | tee researchclaw-run.log
如果 $ARGUMENTS 为空，从 config.yaml 读取主题。
执行期间：
artifacts/<run-id>/stage-N/ 中产生输出/researchclaw:diagnose 逻辑完成后：
检查管线运行的当前状态：
artifacts/rc-* 目录pipeline_summary.json——如果存在则运行已完成阶段 X/23 已完成。当前阶段：[阶段名称]。状态：[运行中/失败/完成]阶段名称映射：
| 阶段 | 名称 |
|---|---|
| 1 | 主题初始化 |
| 2 | 问题分解 |
| 3 | 文献检索 |
| 4 | 文献分析 |
| 5 | 研究方向（门控） |
| 6 | 假设生成 |
| 7 | 实验设计 |
| 8 | 实验评审 |
| 9 | 实验审批（门控） |
| 10 | 代码生成 |
| 11 | 代码评审 |
| 12 | 实验执行 |
| 13 | 结果收集 |
| 14 | 结果分析 |
| 15 | 论文大纲 |
| 16 | 章节撰写 |
| 17 | 论文初稿 |
| 18 | 同行评审 |
| 19 | 修订 |
| 20 | 最终审查（门控） |
| 21 | 引文验证 |
| 22 | 可视化 |
| 23 | 最终导出 |
从上次成功的阶段恢复：
researchclaw run --config config.yaml --from-stage STAGE_NAME --output <run-dir> --auto-approve
已知问题（上游）： --from-stage 标志在所有版本中可能不正确工作。如果恢复失败，如实告知用户并建议重新开始。
读取最近的日志和错误输出来识别问题：
tail -100 researchclaw-run.log 2>/dev/null || tail -100 researchclaw-resume.log 2>/dev/null
常见故障模式和修复：
| 错误模式 | 原因 | 修复 |
|---|---|---|
HTTP 401 | API 密钥无效或过期 | 检查 config.yaml → llm.api_key 或环境变量 |
HTTP 429 | API 速率限制 | 等待 60 秒后恢复，或切换模型 |
Stage 10 失败 | 代码生成产生无效 Python | 检查生成的代码，使用更强模型 |
Docker 错误 | Docker 未运行或权限不足 | 运行 docker info 验证 |
pdflatex 未找到 | LaTeX 未安装 | 安装 texlive-full |
quality_score < threshold | 质量门控太严格 | 降低 quality.min_score（默认 2.0 很严格） |
MemoryError | 内存不足（需要 32GB+） | 使用 simulated 模式 |
运行所有检查但不启动管线：
docker info（如果是沙箱模式）以通过/失败清单形式报告结果。
DeepSeek 在中国大陆访问更稳定：
llm:
provider: deepseek
model: deepseek-chat
api_key_env: DEEPSEEK_API_KEY
如果无法访问 arXiv 或 Semantic Scholar：
export HTTP_PROXY=http://your-proxy:port
export HTTPS_PROXY=http://your-proxy:port
pip install researchclaw[all] -i https://pypi.tuna.tsinghua.edu.cn/simple