researchclaw-cn

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\""}]}]}

ResearchClaw 技能 — 自主研究管线（中文版）

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。

命令列表

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

---

/researchclaw — 帮助

调用时不带子命令，显示命令列表和状态摘要：

1. 检查 researchclaw CLI 是否已安装：which researchclaw
2. 检查当前目录是否有 config.yaml
3. 打印上方命令表
4. 根据缺失的组件建议下一步操作

---

/researchclaw:setup — 前置依赖安装

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：

1. Python 3.11+：检查 python3 --version。如果缺失或版本太旧，建议 pyenv install 3.11 或系统包管理器。
2. pip / uv：检查 pip3 --version 或 uv --version。如果没有 uv，建议安装（更快）。
3. Docker：检查 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。
4. LaTeX：检查 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）。
5. AutoResearchClaw：检查 pip3 show researchclaw。如果未安装：

   pip3 install researchclaw
   

   或从源码安装：

   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：

• 启动 Docker 守护进程（需要系统级权限）
• 在 Linux 上不用 sudo 安装 LaTeX
• 修复阻止 API 访问的网络/防火墙问题
• 提供 LLM API 密钥——用户必须自己提供

---

/researchclaw:config — 交互式配置向导

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）：

1. 研究主题：你想研究什么？（自由文本）
2. LLM 提供商：使用哪个 LLM API？选项：openai、anthropic、azure、deepseek、local
3. API 密钥：提供 API 密钥，或保存密钥的环境变量名（如 OPENAI_API_KEY）
4. 模型：使用哪个模型？按提供商建议默认值：
   • openai：gpt-4o
   • anthropic：claude-sonnet-4-20250514
   • deepseek：deepseek-chat

第二批 — 实验设置（带智能默认值询问）：

5. 实验模式：simulated（无代码执行，最快）、sandbox（本地执行）或 ssh_remote（GPU 服务器）。默认：simulated
6. 自动审批门控：跳过阶段 5、9、20 的人工审批？默认：首次运行选 true
7. 输出目录：保存产物的位置。默认：artifacts/

第三批 — 可选高级设置（提供但不要求）：

8. 论文模板：neurips、icml、iclr 或 generic。默认：neurips
9. 最大迭代次数：迭代管线模式。默认：3
10. 文献来源：arxiv、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。

---

/researchclaw:run — 执行管线

起飞前检查（启动前必须运行）：

1. 静默运行 /researchclaw:validate 逻辑
2. 如果任何检查失败，报告并询问用户是继续还是先修复

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：

• 管线运行 23 个阶段。每个阶段在 artifacts/<run-id>/stage-N/ 中产生输出
• 通过检查阶段目录是否存在来监控进度
• 如果管线失败，捕获错误输出并自动运行 /researchclaw:diagnose 逻辑

完成后：

• 报告哪些阶段成功、哪些失败
• 显示生成论文的路径
• 显示总执行时间

---

/researchclaw:status — 管线状态

检查管线运行的当前状态：

1. 找到最新的 artifacts/rc-* 目录
2. 统计已完成的阶段数
3. 检查 pipeline_summary.json——如果存在则运行已完成
4. 报告：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

---

/researchclaw:resume — 恢复失败的运行

从上次成功的阶段恢复：

1. 找到最新的运行目录
2. 找到最后完成的阶段
3. 运行：

   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。

---

/researchclaw:diagnose — 自动诊断故障

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

---

/researchclaw:validate — 运行前验证

运行所有检查但不启动管线：

1. 配置语法：验证 YAML 可解析
2. 配置完整性：检查 API 密钥和研究主题已设置
3. API 连通性：测试 LLM 端点
4. Docker 健康：docker info（如果是沙箱模式）
5. 磁盘空间：低于 10 GB 时警告
6. 写入权限：测试可以写入 artifacts/

以通过/失败清单形式报告结果。

---

中国大陆用户特别说明

推荐使用 DeepSeek

DeepSeek 在中国大陆访问更稳定：

llm:
  provider: deepseek
  model: deepseek-chat
  api_key_env: DEEPSEEK_API_KEY

网络代理

如果无法访问 arXiv 或 Semantic Scholar：

export HTTP_PROXY=http://your-proxy:port
export HTTPS_PROXY=http://your-proxy:port

镜像源加速

pip install researchclaw[all] -i https://pypi.tuna.tsinghua.edu.cn/simple

---

原则

1. 绝不撒谎。 如果某个功能坏了，如实说明。如果上游不存在某个功能，不假装存在。
2. 始终测试。 每次管线执行前运行验证。每次操作后检查结果。
3. 行动前先询问。 未经用户明确批准，绝不安装包、修改配置或启动长时间运行的进程。
4. 如实报告。 显示实际错误信息，不显示美化的摘要。
5. 保持更新。 本技能针对 AutoResearchClaw v0.3.x。