Einfach mit OpenClaw chatten: „Erforsche X" → erledigt.

🇺🇸 English · 🇨🇳 中文 · 🇯🇵 日本語 · 🇰🇷 한국어 · 🇫🇷 Français · 🇩🇪 Deutsch · 🇪🇸 Español · 🇧🇷 Português · 🇷🇺 Русский · 🇸🇦 العربية

📖 Integrationsanleitung

pip install -e . && researchclaw run --topic "Your research idea here" --auto-approve

Du hast eine Idee. Du willst ein Paper. Das war's.

AutoResearchClaw nimmt ein Forschungsthema und erstellt autonom ein vollständiges wissenschaftliches Paper — mit echter Literatur von arXiv und Semantic Scholar (Multi-Source, arXiv-first zur Vermeidung von Rate-Limiting), hardwarebewussten Sandbox-Experimenten (automatische GPU/MPS/CPU-Erkennung), statistischer Analyse, Peer-Review und konferenzfertigem LaTeX (Ziel: 5.000–6.500 Wörter für NeurIPS/ICML/ICLR). Kein Babysitting. Kein Hin-und-her-Kopieren zwischen Tools.

Die Pipeline läuft vollständig ohne menschliches Eingreifen (sofern keine Gate-Stufen für manuelle Überprüfung konfiguriert sind). Wenn Experimente fehlschlagen, repariert sie sich selbst. Wenn Hypothesen nicht bestätigt werden, schwenkt sie um.

researchclaw run --topic "Agent-based Reinforcement Learning for Automated Scientific Discovery" --auto-approve

Die Pipeline läuft nicht einfach linear ab. Stufe 15 (RESEARCH_DECISION) bewertet Experimentergebnisse im Vergleich zu Hypothesen und trifft eine autonome Entscheidung:

• PROCEED — Ergebnisse stützen die Hypothesen, weiter zur Papiererstellung
• REFINE — Ergebnisse sind vielversprechend, aber verbesserungswürdig, Rücksprung zur Code-/Parameterverfeinerung
• PIVOT — Grundlegendes Problem erkannt, Neustart ab Hypothesengenerierung mit neuer Richtung

Jeder PIVOT/REFINE-Zyklus versioniert vorherige Artefakte (stage-08_v1/, stage-08_v2/, ...), sodass keine Arbeit verloren geht und die Entscheidungsentwicklung vollständig nachvollziehbar ist.

Kritische Stufen verwenden ein strukturiertes Debattenprotokoll mit mehreren LLM-Perspektiven:

• Hypothesengenerierung — verschiedene Agenten schlagen Ideen vor und hinterfragen sie
• Ergebnisanalyse — Optimist, Skeptiker und Pragmatiker analysieren Resultate
• Peer-Review — Methodik-Evidenz-Konsistenzprüfung (behauptet das Paper 50 Versuche, wenn der Code nur 5 ausgeführt hat?)

Jeder Pipeline-Durchlauf extrahiert detaillierte Erkenntnisse — nicht nur „es ist fehlgeschlagen", sondern warum:

• Entscheidungsbegründungen aus PIVOT/REFINE-Entscheidungen
• Laufzeitwarnungen aus Experiment-stderr (z. B. RuntimeWarning: division by zero)
• Metrikanaomalien (NaN, Inf, identische Konvergenzgeschwindigkeiten)

Diese Erkenntnisse werden in einem JSONL-Speicher mit 30-Tage-Halbwertszeit-Zeitabklinggewichtung persistiert und als Prompt-Overlays in zukünftige Durchläufe injiziert. Die Pipeline lernt buchstäblich aus ihren Fehlern.

Jeder Durchlauf erstellt eine strukturierte Wissensdatenbank (gespeichert in docs/kb/) mit 6 Kategorien:

• decisions/ — Experimentdesign, Qualitäts-Gates, Forschungsentscheidungen, Ressourcenplanung, Suchstrategien, Wissensarchive
• experiments/ — Codegenerierungsprotokolle, Experimentdurchläufe, iterative Verfeinerungen
• findings/ — Zitationsverifikation, Ergebnisanalyse, Syntheseberichte
• literature/ — Wissensextraktion, Literatursammlung, Screening-Ergebnisse
• questions/ — Hypothesengenerierung, Problemdekomposition, Themeninitialisierung
• reviews/ — Export-/Publikationsberichte, Paperentwürfe, Gliederungen, Revisionen, Peer-Reviews

Ein Hintergrund-Qualitätsmonitor, der Probleme erkennt, die die Hauptpipeline möglicherweise übersieht:

• Laufzeit-Fehlererkennung — NaN/Inf in Metriken, stderr-Warnungen werden an das LLM zur gezielten Reparatur weitergeleitet
• Paper-Evidenz-Konsistenz — tatsächlicher Experimentcode, Laufergebnisse und Verfeinerungsprotokolle werden in das Peer-Review eingespeist
• Zitationsrelevanz-Bewertung — über die reine Existenzprüfung hinaus bewertet das LLM die thematische Relevanz jeder Referenz
• Konvergenzdurchsetzung — erkennt Experimente mit fester Iterationszahl und fordert ordnungsgemäßes Early Stopping
• Ablationsvalidierung — erkennt doppelte/identische Ablationsbedingungen und markiert fehlerhafte Vergleiche
• Anti-Fabrikationsschutz — blockiert die Papiererstellung, wenn Experimente keine Metriken liefern

Wenn du bereits OpenClaw als KI-Assistenten nutzt:

1️⃣  Teile die GitHub-Repo-URL mit OpenClaw
2️⃣  OpenClaw liest automatisch RESEARCHCLAW_AGENTS.md → versteht die Pipeline
3️⃣  Sage: "Research [dein Thema]"
4️⃣  Fertig — OpenClaw klont, installiert, konfiguriert, führt aus und liefert Ergebnisse

Das war's. OpenClaw übernimmt git clone, pip install, Konfiguration und Pipeline-Ausführung automatisch. Du chattest einfach.

Für tiefere Integration enthält AutoResearchClaw ein Bridge-Adapter-System mit 6 optionalen Fähigkeiten:

# config.arc.yaml
openclaw_bridge:
  use_cron: true              # ⏰ Geplante Forschungsdurchläufe
  use_message: true           # 💬 Fortschrittsbenachrichtigungen (Discord/Slack/Telegram)
  use_memory: true            # 🧠 Sitzungsübergreifende Wissenspersistenz
  use_sessions_spawn: true    # 🔀 Parallele Sub-Sessions für gleichzeitige Stufen
  use_web_fetch: true         # 🌐 Live-Websuche während der Literaturrecherche
  use_browser: false          # 🖥️ Browserbasierte Paper-Sammlung

Jedes Flag aktiviert ein typisiertes Adapter-Protokoll. Wenn OpenClaw diese Fähigkeiten bereitstellt, nutzen die Adapter sie ohne Codeänderungen. Siehe integration-guide.md für vollständige Details.

Phase A: Forschungsplanung            Phase E: Experimentausführung
  1. TOPIC_INIT                          12. EXPERIMENT_RUN
  2. PROBLEM_DECOMPOSE                   13. ITERATIVE_REFINE  ← Selbstheilung

Phase B: Literaturrecherche            Phase F: Analyse & Entscheidung
  3. SEARCH_STRATEGY                     14. RESULT_ANALYSIS    ← Multi-Agent
  4. LITERATURE_COLLECT  ← echte API     15. RESEARCH_DECISION  ← PIVOT/REFINE
  5. LITERATURE_SCREEN   [Gate]
  6. KNOWLEDGE_EXTRACT                   Phase G: Papiererstellung
                                         16. PAPER_OUTLINE
Phase C: Wissenssynthese                 17. PAPER_DRAFT
  7. SYNTHESIS                           18. PEER_REVIEW        ← Evidenzprüfung
  8. HYPOTHESIS_GEN    ← Debatte         19. PAPER_REVISION

Phase D: Experimentdesign             Phase H: Finalisierung
  9. EXPERIMENT_DESIGN   [Gate]          20. QUALITY_GATE      [Gate]
 10. CODE_GENERATION                     21. KNOWLEDGE_ARCHIVE
 11. RESOURCE_PLANNING                   22. EXPORT_PUBLISH     ← LaTeX
                                         23. CITATION_VERIFY    ← Relevanzprüfung

Gate-Stufen (5, 9, 20) pausieren für menschliche Genehmigung oder werden mit --auto-approve automatisch genehmigt. Bei Ablehnung wird die Pipeline zurückgesetzt.

Entscheidungsschleifen: Stufe 15 kann REFINE (→ Stufe 13) oder PIVOT (→ Stufe 8) auslösen, mit automatischer Artefakt-Versionierung.

• 🐍 Python 3.11+
• 🔑 Ein OpenAI-kompatibler LLM-API-Endpunkt (GPT-4o, GPT-5.x oder jeder kompatible Anbieter)

git clone https://github.com/aiming-lab/AutoResearchClaw.git
cd AutoResearchClaw
python3 -m venv .venv && source .venv/bin/activate
pip install -e .

cp config.researchclaw.example.yaml config.arc.yaml

project:
  name: "my-research"

research:
  topic: "Your research topic here"

llm:
  base_url: "https://api.openai.com/v1"     # Jeder OpenAI-kompatible Endpunkt
  api_key_env: "OPENAI_API_KEY"              # Name der Umgebungsvariable mit deinem Schlüssel
  primary_model: "gpt-4o"                    # Jedes Modell, das dein Endpunkt unterstützt
  fallback_models: ["gpt-4o-mini"]
  s2_api_key: ""                             # Optional: Semantic Scholar API-Schlüssel für höhere Rate-Limits

experiment:
  mode: "sandbox"
  sandbox:
    python_path: ".venv/bin/python"

# API-Schlüssel setzen
export OPENAI_API_KEY="sk-..."

# 🚀 Vollständige Pipeline ausführen
researchclaw run --config config.arc.yaml --auto-approve

# 🎯 Thema inline angeben
researchclaw run --config config.arc.yaml --topic "Transformer attention for time series" --auto-approve

# ✅ Konfiguration validieren
researchclaw validate --config config.arc.yaml

# ⏩ Ab einer bestimmten Stufe fortsetzen
researchclaw run --config config.arc.yaml --from-stage PAPER_OUTLINE --auto-approve

Ausgabe → artifacts/rc-YYYYMMDD-HHMMSS-<hash>/ mit einem Unterverzeichnis pro Stufe.

Alle benutzerseitigen Ergebnisse werden automatisch in einem einzigen deliverables/-Ordner gesammelt:

artifacts/rc-YYYYMMDD-HHMMSS-<hash>/deliverables/
├── paper_final.md             # Finales Paper (Markdown)
├── paper.tex                  # Konferenzfertiges LaTeX
├── references.bib             # Verifizierte BibTeX-Bibliographie (automatisch bereinigt)
├── neurips_2025.sty           # Konferenz-Stildatei (automatisch ausgewählt)
├── code/                      # Experimentcode + requirements.txt
├── verification_report.json   # Zitationsintegritätsbericht
├── charts/                    # Ergebnisvisualisierungen (Bedingungsvergleich, Fehlerbalken)
└── manifest.json              # Ergebnisindex mit Metadaten

Der deliverables/-Ordner ist kompilierbereit — er enthält die Konferenz-.sty- und .bst-Dateien, sodass paper.tex direkt mit pdflatex + bibtex kompiliert oder ohne weitere Downloads auf Overleaf hochgeladen werden kann.

Stufe 4 durchsucht echte akademische APIs — keine LLM-halluzinierten Paper. Verwendet eine arXiv-first-Strategie zur Vermeidung von Semantic-Scholar-Rate-Limiting.

• arXiv API (primär) — Preprints mit echten arXiv-IDs und Metadaten, keine Rate-Limits
• Semantic Scholar API (sekundär) — echte Paper mit Titeln, Abstracts, Venues, Zitationszahlen, DOIs
• Abfrageerweiterung — generiert automatisch breitere Abfragen (Survey-, Benchmark-, Vergleichsvarianten) für umfassende Abdeckung (30–60 Referenzen)
• Automatische Deduplizierung — DOI → arXiv-ID → unscharfer Titelabgleich
• BibTeX-Generierung — gültige @article{cite_key, ...}-Einträge mit echten Metadaten
• Dreistufiger Circuit Breaker — CLOSED → OPEN → HALF_OPEN Wiederherstellung mit exponentiellem Backoff-Cooldown (nie dauerhaft deaktiviert)
• Graceful Degradation — S2-Ausfall blockiert arXiv-Ergebnisse nicht; Fallback auf LLM-augmentierte Ergebnisse, wenn alle APIs ausfallen

from researchclaw.literature import search_papers

papers = search_papers("transformer attention mechanisms", limit=20)
for p in papers:
    print(f"{p.title} ({p.year}) — cited {p.citation_count}x")
    print(p.to_bibtex())

Nachdem das Paper geschrieben wurde, überprüft Stufe 23 jede Referenz auf Integrität und Relevanz:

Jede Referenz → VERIFIED ✅ · SUSPICIOUS ⚠️ · HALLUCINATED ❌ · SKIPPED ⏭️ · LOW_RELEVANCE 📉

Automatische Bereinigung: Halluzinierte Zitationen werden stillschweigend aus dem Papertext entfernt (keine [HALLUCINATED]-Tags). Nicht zitierte Bibliographieeinträge werden bereinigt. Die finale references.bib enthält nur verifizierte, zitierte Referenzen.

Stufe 1 erkennt automatisch lokale GPU-Fähigkeiten und passt die gesamte Pipeline an:

Das Hardwareprofil wird in stage-01/hardware_profile.json gespeichert und beeinflusst Codegenerierung, Sandbox-Imports und Prompt-Einschränkungen.

• Code-Validierung — AST-Parsing, Import-Whitelist, keine Datei-I/O außerhalb der Sandbox
• Rechenbudget-Schutz — Zeitbudget (konfigurierbar, Standard 600s) wird in den Codegenerierungs-Prompt injiziert; LLM muss Experimente entwerfen, die innerhalb des Sandbox-Timeouts ablaufen
• Experiment-Harness — unveränderliches experiment_harness.py wird in die Sandbox injiziert mit should_stop() Zeitschutz, report_metric() NaN/Inf-Ablehnung und finalize() Ergebnisschreibung (inspiriert von karpathy/autoresearch's unveränderlichem Eval-Muster)
• Strukturierte Ausgabe — Experimente erzeugen results.json mit typisierten Metriken (nicht nur stdout-Parsing)
• Intelligentes Metrik-Parsing — filtert Logzeilen aus Metriken mithilfe von Schlüsselworterkennung (is_metric_name())
• NaN/Divergenz-Schnellabbruch — NaN/Inf-Werte werden aus Metriken gefiltert; divergierender Loss (>100) wird erkannt und gemeldet
• Konvergenzdurchsetzung — generierter Code muss Early-Stopping-Kriterien enthalten, keine festen Iterationszahlen
• Laufzeit-Fehlererkennung — NaN/Inf-Metriken und stderr-Warnungen (Division durch Null, Overflow) werden automatisch erkannt
• Selbstheilende Reparatur — Laufzeitprobleme werden mit gezielter Diagnose an das LLM zurückgegeben für ursachengerechte Behebung (kein oberflächliches try/except)
• Iterative Verfeinerung — Stufe 13 analysiert Ergebnisse und führt mit verbessertem Code/Parametern erneut aus (bis zu 10 Iterationen, mit Timeout-bewussten Prompts)
• Teilergebnis-Erfassung — Experimente mit Timeout, die bereits Metriken erfasst haben, erhalten den Status „partial" statt „failed", um verwertbare Daten zu erhalten
• Themen-Experiment-Alignment — LLM-basierte Post-Generierungsprüfung stellt sicher, dass der Experimentcode tatsächlich das angegebene Forschungsthema testet

Die Schreib-Pipeline zielt auf NeurIPS/ICML/ICLR-Standards ab (9+ Seiten, 5.000–6.500 Wörter):

• Datenintegritätsdurchsetzung — Papiererstellung wird blockiert, wenn Experimente keine Metriken liefern (verhindert, dass das LLM Ergebnisse fabriziert); Anti-Fabrikationsanweisungen werden sowohl in Entwurfs- als auch Revisions-Prompts injiziert
• Konferenzqualitäts-Prompts — System-Prompts enthalten Schlüsselprinzipien aus analysierten akzeptierten Papern: Neuheit, Narrativ, starke Baselines, Ablationen, Ehrlichkeit, Reproduzierbarkeit; häufige Ablehnungsgründe werden markiert
• Titel- und Rahmungsrichtlinien — Neuheitssignalisierung, Einprägsamkeitstest, 5-Satz-Abstract-Struktur, Erkennung generischer Titel mit Neugenerierung
• Abschnittsweises Verfassen — 3 sequenzielle LLM-Aufrufe (Einleitung+Verwandte Arbeiten → Methode+Experimente → Ergebnisse+Fazit) zur Vermeidung von Ausgabetrunkierung
• Wortanzahl-Ziele pro Abschnitt — Abstract (150–250), Einleitung (800–1000), Verwandte Arbeiten (600–800), Methode (1000–1500), Experimente (800–1200), Ergebnisse (600–800), Diskussion (400–600)
• Revisionslängen-Schutz — wenn das revidierte Paper kürzer als der Entwurf ist, wird automatisch mit stärkerer Durchsetzung wiederholt; bei Bedarf Fallback auf Entwurf+Annotationen
• Anti-Disclaimer-Durchsetzung — begrenzt „due to computational constraints" auf höchstens 1 Vorkommen; Revisions-Prompts entfernen aktiv wiederholte Absicherungsformulierungen
• Statistische Strenge — Konfidenzintervalle, p-Werte und Effektstärken in Ergebnistabellen erforderlich; fehlerhafte Ablationen werden markiert und von Behauptungen ausgeschlossen
• Peer-Review mit Konferenz-Rubrik — Reviewer bewerten 1–10 nach NeurIPS/ICML-Rubrik (Neuheit, Baselines, Ablationen, Behauptungen vs. Evidenz, Limitierungen)

export:
  target_conference: "neurips_2025"   # oder "iclr_2026" oder "icml_2026"

Der Markdown → LaTeX Konverter verarbeitet: Abschnittsüberschriften (mit automatischer Nummerierungsdeduplizierung), Inline-/Display-Mathematik, Fett-/Kursivschrift, Listen, Tabellen (mit \caption/\label), Abbildungen (\includegraphics), Codeblöcke (Unicode-sicher), Querverweise und \cite{}-Referenzen.

Verwende --auto-approve, um alle Gates zu überspringen, oder konfiguriere bestimmte Stufen in security.hitl_required_stages.

# === Projekt ===
project:
  name: "my-research"              # Projektbezeichner
  mode: "docs-first"               # docs-first | semi-auto | full-auto

# === Forschung ===
research:
  topic: "..."                     # Forschungsthema (erforderlich)
  domains: ["ml", "nlp"]           # Forschungsdomänen für Literatursuche
  daily_paper_count: 8             # Ziel-Paperzahl pro Suchabfrage
  quality_threshold: 4.0           # Mindestqualitätswert für Paper

# === Laufzeit ===
runtime:
  timezone: "America/New_York"     # Für Zeitstempel
  max_parallel_tasks: 3            # Limit gleichzeitiger Experimente
  approval_timeout_hours: 12       # Gate-Stufen-Timeout
  retry_limit: 2                   # Wiederholungsanzahl bei Stufenfehler

# === LLM ===
llm:
  provider: "openai-compatible"    # Anbietertyp
  base_url: "https://..."          # API-Endpunkt (erforderlich)
  api_key_env: "OPENAI_API_KEY"    # Umgebungsvariable für API-Schlüssel (erforderlich)
  api_key: ""                      # Oder Schlüssel direkt eintragen
  primary_model: "gpt-4o"          # Primäres Modell
  fallback_models: ["gpt-4o-mini"] # Fallback-Kette
  s2_api_key: ""                   # Semantic Scholar API-Schlüssel (optional, höhere Rate-Limits)

# === Experiment ===
experiment:
  mode: "sandbox"                  # simulated | sandbox | docker | ssh_remote
  time_budget_sec: 600             # Max. Ausführungszeit pro Durchlauf (Standard: 600s)
  max_iterations: 10               # Max. Optimierungsiterationen
  metric_key: "val_loss"           # Primärer Metrikname
  metric_direction: "minimize"     # minimize | maximize
  sandbox:
    python_path: ".venv/bin/python"
    gpu_required: false
    allowed_imports: [math, random, json, csv, numpy, torch, sklearn]
    max_memory_mb: 4096
  docker:
    image: "researchclaw/experiment:latest"
    network_policy: "setup_only"   # none | setup_only | pip_only | full
    gpu_enabled: true
    memory_limit_mb: 8192
    auto_install_deps: true        # Automatische Import-Erkennung → requirements.txt
  ssh_remote:
    host: ""                       # GPU-Server-Hostname
    gpu_ids: []                    # Verfügbare GPU-IDs
    remote_workdir: "/tmp/researchclaw_experiments"

# === Export ===
export:
  target_conference: "neurips_2025"  # neurips_2025 | iclr_2026 | icml_2026
  authors: "Anonymous"
  bib_file: "references"

# === Prompts ===
prompts:
  custom_file: ""                  # Pfad zur benutzerdefinierten Prompts-YAML (leer = Standardwerte)

# === Sicherheit ===
security:
  hitl_required_stages: [5, 9, 20] # Stufen, die menschliche Genehmigung erfordern
  allow_publish_without_approval: false
  redact_sensitive_logs: true

# === Wissensdatenbank ===
knowledge_base:
  backend: "markdown"              # markdown | obsidian
  root: "docs/kb"

# === Benachrichtigungen ===
notifications:
  channel: "console"               # console | discord | slack
  target: ""

# === OpenClaw Bridge ===
openclaw_bridge:
  use_cron: false                  # Geplante Forschungsdurchläufe
  use_message: false               # Fortschrittsbenachrichtigungen
  use_memory: false                # Sitzungsübergreifende Wissenspersistenz
  use_sessions_spawn: false        # Parallele Sub-Sessions starten
  use_web_fetch: false             # Live-Websuche
  use_browser: false               # Browserbasierte Paper-Sammlung

Inspiriert von:

• 🔬 AI Scientist (Sakana AI) — Pionier der automatisierten Forschung
• 🧠 AutoResearch (Andrej Karpathy) — End-to-End-Forschungsautomatisierung
• 🌐 FARS (Analemma) — Fully Automated Research System

MIT — siehe LICENSE für Details.

_{Gebaut mit 🦞 vom AutoResearchClaw-Team}