by OpenRaiser
🦞+🔬: NanoResearch: The Autonomous AI Research Assistant
# Add to your Claude Code skills
git clone https://github.com/OpenRaiser/NanoResearch中文 | English
端到端自主 AI 科研引擎
NanoResearch 是一个端到端的自主科研系统。与传统的"AI 写论文"工具不同,NanoResearch 真正运行计算实验——它不仅生成代码,还能将代码提交到 GPU 集群执行训练,收集真实实验结果,生成论文配图,最终输出一篇有实验数据支撑的完整 LaTeX 论文。
<p> <a href="#quick-start"><b>Quick Start</b></a> · <a href="#showcase"><b>Showcase</b></a> · <a href="#pipeline"><b>Pipeline</b></a> </p> <p> <a href="https://github.com/OpenRaiser/NanoResearch"><img alt="Repository" src="https://img.shields.io/badge/GitHub-OpenRaiser%2FNanoResearch-181717?logo=github"></a> <img alt="Python" src="https://img.shields.io/badge/Python-3.10%2B-3776AB?logo=python&logoColor=white"> <img alt="License" src="https://img.shields.io/badge/License-MIT-16A34A"> <img alt="Pipeline" src="https://img.shields.io/badge/Pipeline-Unified%20Deep-7C3AED"> <img alt="Execution" src="https://img.shields.io/badge/Execution-Local%20%7C%20SLURM-0EA5E9"> </p> </div>大多数 AI 科研工具只能生成文本大纲或论文草稿。NanoResearch 的核心差异在于它能真正执行计算实验:
💡 Idea Generation 自动检索文献、发现研究空白、提出假说
↓
📋 Experiment Planning 设计详细的实验方案和技术路线
↓
💻 Code Generation 生成完整可运行的实验代码(含训练脚本、数据加载、模型定义)
↓
🚀 GPU Execution 自动提交到 SLURM 集群或本地 GPU 执行训练
↓
📊 Results Analysis 解析训练日志,提取指标,生成结构化实验证据
↓
📈 Figure Generation 根据真实实验数据自动生成论文配图(结果图、消融图、架构图)
↓
✍️ Paper Writing 基于真实实验结果撰写 LaTeX 论文(非凭空生成)
↓
🔍 Review & Revision 自动审稿并修订
关键区别:论文中的每一个数据、表格、图表都来自实际运行的实验结果,而非 LLM 编造。
No comments yet. Be the first to share your thoughts!
| 特性 | 传统 AI 写作工具 | NanoResearch | |------|-----------------|-------------| | 文献检索 | 部分支持 | ✅ OpenAlex + Semantic Scholar 自动检索 | | 实验设计 | ❌ | ✅ 自动生成实验方案 | | 代码生成 | 部分支持 | ✅ 完整可运行的实验代码 | | 实验执行 | ❌ | ✅ 自动提交 GPU 训练(本地/SLURM) | | 结果分析 | ❌ | ✅ 解析真实训练日志和指标 | | 论文配图 | ❌ | ✅ 基于真实数据生成图表 | | 论文撰写 | 大纲/草稿 | ✅ 基于实验证据的完整 LaTeX 论文 | | 断点续跑 | ❌ | ✅ 任意阶段失败可恢复 | | 多模型协作 | 单一模型 | ✅ 每个阶段可配置不同模型 |