AutoR：让 AI 当研究员，让人类当决策者

图1：AutoR 两层架构——顶层研究控制循环 + 底层编码 Agent 执行层

从「AI 全自动」到「人机协作」：一个新范式的诞生

在 2023-2024 年间，AI Agent 领域的主流叙事是「让 AI 自主完成一切」——给一个大模型一堆工具，让它自己规划、自己执行、自己反思。OpenAI 的 GPT-4、Anthropic 的 Claude Sonnet 3.7、Deepseek 的 R1，都在卷「自主性」的上限。

但 AutoR 的开发者提出了一个截然不同的命题：研究工作太重要，不能交给一个盲目的端到端循环。他们认为，当前的 AI 自主研究系统有一个根本缺陷——没有人类的「方向感」约束，AI 容易陷入局部最优、在错误的方向上走得很远，同时输出的是「看起来像论文的 markdown」，而不是可复现、可审计的真正研究制品。

AutoR 正是为解决这一矛盾而诞生的。它不追求让 AI 完全替代研究者，而是打造一个以人类为中心的自动化研究操作系统（Research OS）。在这个系统里，AI 负责执行层面的代码编写、文献分析、实验运行、文稿撰写，而人类始终握着方向盘——每个阶段都需要人类批准（human approval）才能进入下一阶段。

想象一个场景：你想研究「Transformer 在遥感图像上的压缩效果」，传统方式是搭环境、写脚本、跑实验、写论文，耗时数周。AutoR 把这个流程自动化了——你输入研究目标，AI 自动规划实验方案、配置基线模型、运行对比测试、生成图表、把结果整理成符合学术期刊格式的论文。而你只需要坐在屏幕前，对每个阶段 say yes 或 no。整个研究过程变成了一张可审计、可复现的磁盘快照（artifact-backed run）。

核心技术架构：9 阶段研究流水线

AutoR 的核心是一个严格结构化的研究流水线，包含 Intake（可选） 和 8 个正式研究阶段：

阶段	名称	说明
Intake	苏格拉底式问题收集	AI 通过提问厘清研究目标、资源约束
Stage 01	假设生成	生成可验证的 H1/H2/H3 假设
Stage 02	文献综述	收集、阅读、对比相关工作
Stage 03	实验设计	设计对比实验方案
Stage 04	代码实现	编写/修改实验代码
Stage 05	实验执行	运行实验、收集结果
Stage 06	结果分析	统计检验、图表生成
Stage 07	论文撰写	按目标期刊格式输出 LaTeX 论文
Stage 08	最终整理	汇总制品、生成研究报告

每个阶段的输出都保存在 runs/<run_id>/ 目录下，形成一个完整的研究制品包（artifact bundle）——包含实验代码、原始数据、生成的图表、LaTeX 源码。这意味着：任何一个历史 run，你都可以随时回滚（rollback）、重做某个阶段（redo-stage）或从断点恢复（resume）。

在执行层面，AutoR 采用了双 Operator 架构：

• ClaudeOperator：调用 Anthropic Claude（默认 Sonnet 3.7）作为编码 Agent，处理代码编写、文件操作、终端命令
• CodexOperator：调用 OpenAI Codex CLI 作为备选执行后端

这种解耦设计让 AutoR 不绑定特定模型厂商，用户可以自由切换。Operator 层之上是 Approval Agent——一个自动审查 Agent，在 --full-auto 模式下替代人工审批，对每个阶段的输出进行严格评审，确保质量不因自动化而打折。

关键特性与使用体验

1. CLI-first 交互

AutoR 是一款纯终端工具，通过命令行参数驱动。核心入口是 python main.py --goal "你的研究目标"，之后整个交互在终端完成。

# 标准研究流程（需人工审批每个阶段）
python main.py --goal "研究 Transformer 在遥感图像压缩中的效果"

# 全自动模式（AI 审查员替代人工审批）
python main.py --goal "..." --full-auto

# 从断点恢复（网络中断后）
python main.py --resume-run <run_id>

# 回滚到某个阶段重做
python main.py --resume-run <run_id> --rollback-stage 05_analysis

终端 UI 提供了彩色进度条、阶段状态展示和交互式输入界面，研究者可以清晰看到当前在哪个阶段、还剩多少阶段。

2. 灵活的 Operator 沙箱

CodexOperator 支持多种沙箱级别（sandbox, restricted, browse, computer-use），允许在安全性和功能完整性之间做权衡。使用 danger-full-access 需格外谨慎，这会授予 AI 对本地文件系统几乎完整的读写权限。

3. 期刊格式输出

Stage 07 论文撰写阶段支持多种学术期刊格式模板（venue profiles），包括 NeurIPS 2025、Nature、Nature Communications、JMLR 等。通过 --venue 参数指定目标格式：

python main.py --venue neurips_2025  # 输出 NeurIPS 格式
python main.py --venue nature         # 输出 Nature 格式

生成的输出是标准的 .tex 文件，而非不可复用的 HTML 或 PDF，你可以直接用 LaTeX 编译器生成最终论文。

4. Gemini 图表生成

通过 --research-diagram 参数，AutoR 会在论文撰写完成后调用 Google Gemini API 自动生成方法示意图，并插入 LaTeX 论文中。生成的图表（如神经网络的结构图、实验流程图）属于高价值的辅助制品。

适用场景与局限性

适合的场景：

• AI/ML 研究者需要快速验证新想法，在 Transformer、CNN、强化学习等方向做对比实验
• 研究生需要批量生成期刊格式论文草稿，大幅减少格式排版工作量
• 研究团队希望建立可复现的实验标准，每个 run 都是一个带时间戳的可审计快照
• 跨领域研究者（如医学+AI）需要一个能将想法快速转化为「看起来像论文」的自动化管道

局限性：

• 依赖高质量的编码 Agent：ClaudeOperator 的表现直接取决于 Claude 模型的能力上限，对于需要精确数值计算的实验，AI 生成的代码可能有 bug，需要人工检查
• GPU 资源需自备：Stage 05 实验执行阶段会启动训练/推理任务，需要用户自己有 GPU 资源
• 缺乏 Web-UI：纯 CLI 工具，不擅长可视化管理多 run 历史，对于习惯图形界面的人是门槛
• 无容器化：无法通过 Docker 一键部署，依赖宿主的 Python 环境、Git 和 API Key

行业意义：研究自动化的第三条路

AutoR 的出现代表了 AI 研究自动化领域的一个新流派——「约束自动化」（Constrained Automation）。

此前，研究自动化有两条路：一条是「完全自主」（代表性工作：AutoGPT、LangChain Agents），追求让 AI 自己决定做什么；另一条是「模板填充」（代表性工作：HumanEval 自动评测、EleutherAI 的 LM Harness），基于固定模板做填空题。AutoR 走出了第三条路：用强结构约束 AI 的行为边界，同时保留 AI 的执行能力。

具体来说，AutoR 的阶段门禁（stage gate）机制——每个阶段必须人类批准才能推进——本质上是一种「可控爆炸」的设计哲学。AI 获得执行权，但人类保留否决权。这在需要严谨性的科研场景中，比纯自主系统更有说服力。

从增长曲线来看，AutoR 在 2024 年底开始活跃开发，目前 859 stars，虽然规模不大，但它切入了一个真实的痛点：「如何让 AI 帮我做科研，而不是帮我写营销文案」。随着 Claude 4、GPT-5 等更强大编码模型的出现，AutoR 这类工具的实用价值会持续提升。

图2：AutoR 终端 UI 界面，展示研究流水线阶段进度

总结：AutoR 是一个面向 AI 研究者的命令行研究操作系统，通过 9 阶段结构化流水线把人机协作嵌入每一个研究步骤。它不是用来替代研究者，而是给研究者配了一个「永不出错、执行力超强的研究助理」。如果你厌倦了在 Jupyter Notebook 里手动跑实验、在 Overleaf 里反复调格式，AutoR 值得一试。