30分钟跑通AutoResearch新手AI研究Agent环境搭建分步教程【免费下载链接】AutoResearchAI/ML research agents from idea to paper-ready evidence. An EvoMap open-source project.项目地址: https://gitcode.com/gh_mirrors/autore/AutoResearchAutoResearch 是一个开源的AI 研究 Agent覆盖从研究想法到论文级证据的完整流程收集论文与社区信号、跨领域生成想法、多模型交叉评审、自动规划并执行实验最后产出可检查、可复现的证据包。本文是一份面向新手的AutoResearch 环境搭建分步教程跟着 30 分钟即可完成从克隆仓库到 API 验证的全部配置。一、为什么选择 AutoResearch普通大模型自己出题、自己答题容易幻觉和自夸。AutoResearch 通过多模型独立评审和可恢复的有状态工作流解决这个问题核心能力一览能力你得到什么跨领域想法生成从最新论文、开发者社区、开源趋势中发现研究方向独立多模型评审Idea Forge 至少用 3 个不同模型互相把关有状态实验执行计划、代码、日志、结论全部落盘中断后可恢复先试点再放量Pilot 小成本验证可行性不行就止损证据可追溯来源记录、批评报告、盲审结果全程留痕支持负结果假设失败时保留证据并停止不硬编成功故事根据你是否有现成想法有三条使用路径你的起点推荐路径主要产出还没有具体想法运行 Idea Generation候选研究方向、评审过的想法、实验计划已有想法直接执行想法实验代码、运行日志、结果分析、独立评审想要完整流程先生成想法再选一个计划执行从研究信号到论文级证据的完整记录二、搭建前准备环境检查清单开始之前确认你的机器满足以下要求推荐一台 Linux 服务器或 SSH 机器依赖要求说明操作系统Linux / SSH 环境也适用于 macOS 终端Git已安装用于克隆仓库Python3.10含python3-venv主运行环境Bun1.3仅执行想法路径需要实验运行时 ar-runtime/ 的依赖Node.js已安装bun install生命周期脚本需要新手提示只想先跑想法生成的话CPU 机器即可不需要 GPU实验是否要 GPU 由具体想法决定。三、30分钟分步搭建步骤1克隆仓库并一键环境自检约5分钟git clone https://gitcode.com/gh_mirrors/autore/AutoResearch cd AutoResearch bash scripts/bringup.shscripts/bringup.sh 会自动创建.venv虚拟环境 → 安装 Python 依赖 → 跑基线测试和密钥扫描 → 检查当前模型配置。它不会真的调用模型服务不产生 API 费用。⚠️第一次运行注意此时你还没配置 API 密钥脚本最终报BLOCKED或退出码非零是预期现象。只要确认 Python 环境、依赖安装、测试这三项通过了就继续下一步。步骤2配置模型服务约10分钟创建两个本地配置文件命令会自动跳过已存在的文件不会覆盖test -f .env || cp .env.example .env test -f config/providers.local.json || \ cp config/providers.example.json config/providers.local.json两个文件的分工很简单.env存真实的 API 地址、密钥、代理等机器本地机密不要提交到 Gitconfig/providers.local.json声明接入端点、模型别名以及每个角色用哪个模型。角色按阶段分为三组你只需要为用到的角色配置可用模型阶段角色模型要求信号筛选screener/judge/consensus_checker各 1 个模型想法生成与验证ideator/planner/freshness_refresherideator 需 ≥3 个不同模型想法执行agent/code_reviewer/critic可选critic_secondarycritic 必须可用新手最常见疑问必须同时配 Gemini GPT Claude 吗不需要。一个兼容端点网关即可暴露多个不同模型同一模型换个别名也只算 1 个。完整的端点与路由写法见 docs/unified_provider_config.md 和 docs/llm_provider_setup.md。步骤3验证 API 连通性约5分钟set -a . ./.env set a .venv/bin/python scripts/preflight.py --livepreflight.py 会发送少量真实请求做在线体检。退出码为0表示常规角色都有可用模型且 Idea Forge、critic 等多模型阶段满足独立性要求。如果某端点连不通比如 403通常是网络出口限制可以在.env中配置代理变量AUTORESEARCH_PROXY_URL单个采集渠道失败时流水线会自动跳过并继续。四、第一次运行两条路任选路线A没有想法让 Agent 帮你发现方向.venv/bin/python idea_generation.pyidea_generation.py 会依次走完五个阶段阶段发生了什么1. 采集从 arXiv、Hugging Face、GitHub Trending、HN 等公共渠道收集最新研究信号2. 筛选聚合、去重、初筛、深度评估候选方向3. 交叉把通过的信号与 knowledge_base/ 中的本地知识方向组合4. 生成与评审3 个以上不同模型独立构思想法并交叉评审5. 规划校验时效性后为通过的想法生成实验计划主要产出目录data/candidates/— 聚合后的候选研究信号data/verified/— 筛选与深度评估结果data/idea_forge/— 完整想法、评审结果和实验计划logs/— 运行日志耗时预期调用量随种子数、知识方向数、模型席位数增长。新手建议先用默认并发和少量知识方向验证流程跑通后再放量。路线B已有想法直接执行把想法写成文本文件放到data/ideas/或从路线A导出至少描述研究假设、可用数据、成功指标、算力与时间约束安装运行时依赖cd ar-runtime bun install --frozen-lockfile cd ..生成执行配置并做含工具调用的深度预检set -a . ./.env set a .venv/bin/python scripts/render_env.py .venv/bin/python scripts/preflight.py --live --tools在隔离环境中启动协调器非交互方式可用 ar-runtime/scripts/ar-supervisor.shcd ar-runtime claude --dangerously-skip-permissions进入后执行/ar-coordinator ../data/ideas/my_experiment.txt ../data/projects/my_experiment⚠️安全提醒当前 Alpha 入口授予 Claude Code 较宽的工具权限请只在一次性、隔离的环境中运行不要挂载主目录、SSH 凭据或客户数据。实验流程为初始化与计划 → Pilot 试点 → 放量或止损 → 主实验与分析 → 独立评审与盲审 → 关闭或迭代。中断后用同样的想法与项目目录即可continue恢复。五、查看结果项目监控看板每个项目保存在data/projects/项目名/下包含plan.md、workflow_queue.json、code/、results/等文件任何一步都可以人工检查或接管。生成项目仪表板.venv/bin/python src/generate_project_dashboard.py my_experiment生成的看板会展示流水线阶段进度、代码评审门、独立评审器状态和每个执行周期的日志方便你随时掌握 AI 研究 Agent 跑到哪一步了如果想看本地知识库概览还可以运行.venv/bin/python src/generate_kb_dashboard.py六、新手常见问题速查Q在线渠道返回 403 怎么办外部站点可能限制地区或出口 IP配置代理即可单个渠道失败会被记录并跳过不影响整体流程。Q想法生成要跑很久正常吗正常。交叉评审会对每个席位重复调用先用小规模配置验证跑通后再扩大。Q没有 GPU 能玩吗能。想法生成只需 CPU执行实验是否需要 GPU 取决于具体实验Pilot 阶段会尽早暴露资源不匹配。Q想只重跑想法锻造、不重新采集把种子留在data/pending_forge_seeds.json然后运行 run_pending_forge.py 即可断点续跑。七、延伸阅读统一模型配置详解docs/unified_provider_config.md模型服务配置与验证docs/llm_provider_setup.md执行状态机协调器启动流程ar-runtime/ar-coordinator-startup-flow.md本地领域知识库模板knowledge_base/TEMPLATE.md架构总览ARCHITECTURE.md按照这份 AutoResearch 新手教程走下来你的 AI 研究 Agent 环境就搭建完成了。接下来给它一个想法或者让它自己去找——从想法到论文级证据30 分钟只是一个开始。【免费下载链接】AutoResearchAI/ML research agents from idea to paper-ready evidence. An EvoMap open-source project.项目地址: https://gitcode.com/gh_mirrors/autore/AutoResearch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考