需要从研究主题自动生成含真实引用、实验和会议 LaTeX…

将自然语言研究主题自动转化为包含真实 arXiv/Semantic Scholar 引用、沙箱实验、统计分析和 NeurIPS/ICML/ICLR 会议级 LaTeX 的完整学术论文。

适用场景

解决思路

1. 克隆并安装 AutoResearchClaw：git clone https://github.com/aiming-lab/AutoResearchClaw.git；cd AutoResearchClaw；python3 -m venv .venv && source .venv/bin/activate；pip install -e .；运行 researchclaw --help 验证 CLI 可用；需要 Python 3.11+。
2. 复制示例配置：cp config.researchclaw.example.yaml config.arc.yaml。
3. 配置最小 config.arc.yaml：设置 project.name: "my-research"；research.topic: "Your research topic here"；llm.provider: "openai"；llm.base_url: "https://api.openai.com/v1"；llm.api_key_env: "OPENAI_API_KEY"；llm.primary_model: "gpt-4o"；llm.fallback_models: ["gpt-4o-mini"]；experiment.mode: "sandbox"；experiment.sandbox.python_path: ".venv/bin/python"；然后 export OPENAI_API_KEY="$YOUR_OPENAI_KEY"。
4. 配置 OpenRouter（200+ 模型）：设置 llm.provider: "openrouter"；llm.api_key_env: "OPENROUTER_API_KEY"；llm.primary_model: "anthropic/claude-3.5-sonnet"；llm.fallback_models: ["google/gemini-pro-1.5", "meta-llama/llama-3.1-70b-instruct"]；然后 export OPENROUTER_API_KEY="$YOUR_OPENROUTER_KEY"。
5. 配置 ACP（Agent Client Protocol）且无需 API key：设置 llm.provider: "acp"；llm.acp.agent: "claude"（或 codex、gemini、opencode、kimi）；llm.acp.cwd: "."；由 agent CLI 自行处理认证。
6. 可选配置 OpenClaw bridge：设置 openclaw_bridge.use_cron: true；openclaw_bridge.use_message: true；openclaw_bridge.use_memory: true；openclaw_bridge.use_sessions_spawn: true；openclaw_bridge.use_web_fetch: true；openclaw_bridge.use_browser: false。
7. 基本自主运行：researchclaw run --topic "Your research idea" --auto-approve。
8. 指定配置文件运行：researchclaw run --config config.arc.yaml --topic "Mixture-of-experts routing efficiency" --auto-approve。
9. 主题已定义在配置中时运行：researchclaw run --config config.arc.yaml --auto-approve。
10. 交互模式运行：researchclaw run --config config.arc.yaml --topic "Your topic"；在 gate stages 5、9、20 暂停等待人工审批；使用 --auto-approve 跳过所有 gate。
11. 查看流水线状态或恢复运行：researchclaw status --run-id rc-20260315-120000-abc123；researchclaw list；researchclaw run --resume rc-20260315-120000-abc123。
12. 使用 Python API 加载配置并运行：from researchclaw.pipeline import Runner；from researchclaw.config import load_config；config = load_config("config.arc.yaml")；config.research.topic = "Efficient attention mechanisms for long-context LLMs"；config.auto_approve = True；runner = Runner(config)；result = runner.run()；读取 result.artifact_dir、result.deliverables_dir、result.paper_draft_path、result.latex_path、result.bibtex_path、result.verification_report。
13. 使用 Python API 只运行指定阶段：from researchclaw.pipeline import Runner, StageRange；runner = Runner(config)；runner.run(stages=StageRange(start="LITERATURE_COLLECT", end="KNOWLEDGE_EXTRACT"))。
14. 运行后读取知识库：from researchclaw.knowledge import KnowledgeBase；kb = KnowledgeBase.load(result.artifact_dir)；findings = kb.get("findings")；literature = kb.get("literature")；decisions = kb.get("decisions")。
15. 检查输出结构 artifacts/rc-YYYYMMDD-HHMMSS-<hash>/：deliverables/paper_draft.md、paper.tex、references.bib、verification_report.json、reviews.md；experiment_runs/run_001/code/、results.json、sandbox_output.txt；charts/*.png；evolution/lessons.json；knowledge_base/decisions.json、experiments.json、findings.json、literature.json、questions.json、reviews.json。
16. 理解并利用 23 阶段流水线：1 TOPIC_INIT、2 PROBLEM_DECOMPOSE、3 SEARCH_STRATEGY、4 LITERATURE_COLLECT、5 LITERATURE_SCREEN（Gate）、6 KNOWLEDGE_EXTRACT、7 SYNTHESIS、8 HYPOTHESIS_GEN、9 EXPERIMENT_DESIGN（Gate）、10 CODE_GENERATION、11 RESOURCE_PLANNING、12 EXPERIMENT_RUN、13 ITERATIVE_REFINE、14 RESULT_ANALYSIS、15 RESEARCH_DECISION、16 PAPER_OUTLINE、17 PAPER_DRAFT、18 PEER_REVIEW、19 PAPER_REVISION、20 QUALITY_GATE（Gate）、21 KNOWLEDGE_ARCHIVE、22 EXPORT_PUBLISH、23 CITATION_VERIFY。
17. 快速论文模式：export OPENAI_API_KEY="$OPENAI_API_KEY"；researchclaw run --topic "Self-supervised learning for protein structure prediction" --auto-approve。
18. 可复现运行且使用完整配置：在 config.arc.yaml 中设置 project.name: "protein-ssl-research"；research.topic: "Self-supervised learning for protein structure prediction"；llm.provider: "openai"；llm.api_key_env: "OPENAI_API_KEY"；llm.primary_model: "gpt-4o"；llm.fallback_models: ["gpt-4o-mini"]；experiment.mode: "sandbox"；experiment.sandbox.python_path: ".venv/bin/python"；experiment.max_iterations: 3；experiment.timeout_seconds: 300；然后 researchclaw run --config config.arc.yaml --auto-approve。
19. 使用 OpenRouter 上的 Claude 获得最佳推理：export OPENROUTER_API_KEY="$OPENROUTER_API_KEY"；用 heredoc 写 config.arc.yaml，设置 project.name: "my-research"；llm.provider: "openrouter"；llm.api_key_env: "OPENROUTER_API_KEY"；llm.primary_model: "anthropic/claude-3.5-sonnet"；llm.fallback_models: ["google/gemini-pro-1.5"]；experiment.mode: "sandbox"；experiment.sandbox.python_path: ".venv/bin/python"；然后 researchclaw run --config config.arc.yaml --topic "Efficient KV cache compression for transformer inference" --auto-approve。
20. 失败后恢复：先 researchclaw list 找到 run ID，再 researchclaw run --resume rc-20260315-120000-abc123 从最后完成阶段继续。
21. 程序化批量研究：import asyncio；from researchclaw.pipeline import Runner；from researchclaw.config import load_config；定义 topics 列表如 "LoRA fine-tuning on limited hardware"、"Speculative decoding for LLM inference"、"Flash attention variants comparison"；config = load_config("config.arc.yaml")；config.auto_approve = True；循环中设置 config.research.topic = topic；runner = Runner(config)；result = runner.run()；print(f"[{topic}] → {result.deliverables_dir}")。
22. 使用 OpenClaw 一行式：把 repo URL 分享给 OpenClaw，然后说 "Research mixture-of-experts routing efficiency"；OpenClaw 会自动读取 RESEARCHCLAW_AGENTS.md，克隆、安装、配置并运行完整流水线。
23. 编译 LaTeX 输出：cd artifacts/rc-*/deliverables/；依次运行 pdflatex paper.tex、bibtex paper、pdflatex paper.tex、pdflatex paper.tex；或将 paper.tex + references.bib 直接上传到 Overleaf。
24. 修复 researchclaw: command not found：source .venv/bin/activate；pip install -e .；which researchclaw。
25. 修复 API key 错误：echo $OPENAI_API_KEY，确认不是空；在当前会话显式设置 export OPENAI_API_KEY="sk-..."。
26. 实验沙箱失败时：流水线在 Stage 13 ITERATIVE_REFINE 自愈；若持续失败，在配置中提高 experiment.max_iterations: 5、experiment.timeout_seconds: 600，并设置 experiment.sandbox.python_path: ".venv/bin/python"。
27. 处理引用幻觉警告：Stage 23 CITATION_VERIFY 运行 4 层检查；若引用被裁剪，这是预期行为，假引用会自动移除；查看 verification_report.json 了解哪些引用被拒绝及原因。
28. 避免 PIVOT 循环无限运行：配置 research.max_pivots: 2；research.max_refines: 3。
29. 修复 LaTeX 编译错误：运行 pdflatex paper.tex 2>&1 | grep "File.*not found" 检查缺失包；用 tlmgr install <package-name> 安装缺失包。
30. 实验 OOM 时：在配置中强制 CPU 模式，设置 experiment.sandbox.device: "cpu"；experiment.sandbox.max_memory_gb: 4。
31. 理解并利用关键机制：Stage 15 RESEARCH_DECISION 自主决定 PROCEED、REFINE 或 PIVOT，所有产物带版本；Stage 8、14、18 使用结构化多智能体辩论而非单次 LLM 调用；每次运行提取 lessons 并带 30 天时间衰减，未来相似主题受益；Sentinel Watchdog 后台监控 NaN/Inf、论文-证据一致性、引用相关性和防伪造；4 层引用验证为 arXiv lookup → CrossRef lookup → DataCite lookup → LLM relevance scoring，引用必须通过所有层才能保留。

适用边界 · 注意事项

• 无法安装或运行 AutoResearchClaw、Python 低于 3.11，或不允许使用该特定工具时，不适用。
• 没有可用 LLM provider/API key，且没有配置 ACP agent（如 claude、codex、gemini、opencode、kimi）时，不适用。
• 需要全程人工审查、禁止自动生成论文或自动裁剪引用，或缺乏运行沙箱实验/LaTeX 编译环境与相应合规审批时，不适用。