ResearchClaw：为科研人员打造的本地优先 AI 研究助手

想象这样一个场景：你是一位博士生，正在同时推进三个研究课题，每个课题都有几十篇论文、数十条笔记和多个实验记录。传统的做法是：AI 对话记录散落在各个窗口，文献管理用 Zotero，笔记在 Notion，实验数据在 Excel，代码在 VS Code……每次做文献综述或整理实验结果，都要在七八个工具之间来回切换，信息碎片化让人崩溃。

ResearchClaw 正是为了解决这个痛点而诞生的。它是一个「本地优先的科研操作系统」（Local-first Research OS），把论文管理、文献综述、实验追踪、笔记整理、AI 辅助写作全部收敛到一个统一的运行时环境里，让研究工作不再消失在一次性对话和零散文件夹中。

项目背景与作者故事

ResearchClaw 由独立开发者 Mingxin Yang 创建和维护，是 Research-Equality 生态系统的核心项目之一。该生态还包括 RE-idea-generation（创意生成）、RE-literature-discovery（文献发现）、RE-research-design（研究设计）、RE-experiment（实验管理）、RE-paper-writing（论文写作）等一系列配套仓库，覆盖了 AI 辅助科研的完整工作流。项目采用 Apache 2.0 开源协议，当前处于 Alpha 阶段，但核心功能已相当完善，不是空壳项目。

核心功能：科研工作的「操作系统」

ResearchClaw 绝非只是一个 Chatbot，而是一套完整的多智能体运行时（Multi-agent Runtime）。它的核心抽象是：Project → Workflow → Task → Artifact 的持久化状态模型，研究工作的所有产物都存储在同一套结构化系统中。

内置功能一览：

• 多渠道消息：除 Web Console 外，还支持 Telegram、Discord、钉钉、飞书、iMessage、QQ、语音等多个 IM 渠道接入，科研讨论可以发到钉钉群，AI 自动整理到统一工作区

• 多模型路由：内置 OpenAI、Anthropic、Gemini、Ollama、DeepSeek、阿里 DashScope、Moonshot 等多家 LLM 提供商，支持降级链路

• 论文工具链：集成 ArXiv、Semantic Scholar、Google Scholar 搜索，支持 PDF 解析、BibTeX 管理、LaTeX 模板编译

• 实验追踪：实验执行绑定、心跳/结果摄入、合约验证、结果对比 API，支持主动的工作流提醒和 blocker 修复

• 声明-证据图谱：支持将论文、笔记、实验、PDF 段落链接为图谱结构，建立可追溯的知识网络

• 技能系统：内置 arxiv、browser_visible、citation_network、experiment_tracker、literature_review、paper_summarizer、pdf、pptx、research_notes 等大量可扩展技能，同时支持 MCP 客户端管理

技术架构解析

ResearchClaw 采用 前后端分离架构：

• 后端：Python 3.10+ / FastAPI / Uvicorn，核心技术栈包括 AgentScope（多智能体框架）、APScheduler（定时任务）、Playwright（浏览器自动化）

• 前端：Vue 3 + TypeScript + Vite 构建的 Web Console，通过 SSE 实现后端实时推送

• CLI：Click 框架实现的命令行工具，支持 researchclaw init、researchclaw models、researchclaw app 等命令

• 数据持久化：工作目录 ~/.researchclaw/ 存储所有研究状态，密钥单独存储在 ~/.researchclaw.secret/（物理隔离，体现安全设计）

• 容器化：提供 deploy/Dockerfile（基于 python:3.11-slim），可打包为 Docker 镜像部署，但未提供 docker-compose.yaml

上手体验

安装与启动相对简单：克隆仓库 → pip install -e . → researchclaw init → researchclaw app，10-20 分钟内可运行。需要手动配置模型 API Key（支持 9 种 provider）。完全不需要 GPU，普通开发笔记本即可运行。

局限与争议

1. Alpha 阶段风险：生产环境使用需谨慎，API 破坏性变更风险存在

2. 多渠道配置复杂：钉钉、飞书等渠道接入需要申请 App Key/Secret，配置成本不低

3. 无 docker-compose：生产环境多容器部署需自行设计

4. 依赖较重：transformers、playwright、agentscope 等重型库，首次安装较慢

行业意义

ResearchClaw 代表了 AI 辅助科研工具的一个重要方向——从「对话工具」向「研究工作台」的范式转变。当前大多数 AI 科研工具都是搜索导向的问答产品，而 ResearchClaw 试图构建的是一套持久化、可追溯、多智能体协作的研究基础设施。结合 Research-Equality 生态的 RE-* 系列工具，覆盖了从创意生成到论文写作的完整科研链路。但 Alpha 阶段和较重的依赖门槛意味着，它目前更适合有技术背景的研究者和 AI 极客。