Chatea con OpenClaw: "Investiga X" → hecho.

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

📖 Guía de integración

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

Tienes una idea. Quieres un artículo. Eso es todo.

AutoResearchClaw toma un tema de investigación y produce de forma autónoma un artículo académico completo — con literatura real de arXiv y Semantic Scholar (multi-fuente, arXiv primero para evitar limitaciones de tasa), experimentos en sandbox adaptados al hardware (detección automática de GPU/MPS/CPU), análisis estadístico, revisión por pares y LaTeX listo para conferencia (orientado a 5,000-6,500 palabras para NeurIPS/ICML/ICLR). Sin supervisión. Sin copiar y pegar entre herramientas.

El pipeline se ejecuta de principio a fin sin intervención humana (a menos que configures etapas con compuerta para revisión manual). Cuando los experimentos fallan, se auto-repara. Cuando las hipótesis no se sostienen, pivotea.

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

El pipeline no se ejecuta de forma lineal. La etapa 15 (RESEARCH_DECISION) evalúa los resultados experimentales frente a las hipótesis y toma una decisión autónoma:

• PROCEED — los resultados respaldan las hipótesis, continuar con la redacción del artículo
• REFINE — los resultados son prometedores pero necesitan mejora, volver a refinar código/parámetros
• PIVOT — se detectó un problema fundamental, reiniciar desde la generación de hipótesis con una nueva dirección

Cada ciclo PIVOT/REFINE versiona los artefactos anteriores (stage-08_v1/, stage-08_v2/, ...) para que no se pierda trabajo y la evolución de decisiones sea completamente rastreable.

Las etapas críticas utilizan un protocolo de debate estructurado con múltiples perspectivas LLM:

• Generación de hipótesis — agentes diversos proponen y cuestionan ideas
• Análisis de resultados — un optimista, un escéptico y un pragmático analizan los resultados
• Revisión por pares — verificación de consistencia metodología-evidencia (¿el artículo afirma 50 ensayos cuando el código ejecutó 5?)

Cada ejecución del pipeline extrae lecciones detalladas — no solo "falló" sino por qué:

• Justificación de decisiones de las elecciones PIVOT/REFINE
• Advertencias en tiempo de ejecución del stderr de los experimentos (p. ej., RuntimeWarning: division by zero)
• Anomalías en métricas (NaN, Inf, velocidades de convergencia idénticas)

Estas lecciones persisten en un almacén JSONL con ponderación por decaimiento temporal con vida media de 30 días y se inyectan como capas de prompt en ejecuciones futuras. El pipeline literalmente aprende de sus errores.

Cada ejecución construye una base de conocimiento estructurada (almacenada en docs/kb/) con 6 categorías:

• decisions/ — diseño experimental, compuertas de calidad, decisiones de investigación, planificación de recursos, estrategias de búsqueda, archivos de conocimiento
• experiments/ — registros de generación de código, ejecuciones de experimentos, refinamientos iterativos
• findings/ — verificación de citas, análisis de resultados, informes de síntesis
• literature/ — extracción de conocimiento, recopilación de literatura, resultados de filtrado
• questions/ — generación de hipótesis, descomposición de problemas, inicialización de temas
• reviews/ — informes de exportación/publicación, borradores de artículos, esquemas, revisiones, revisiones por pares

Un monitor de calidad en segundo plano que detecta problemas que el pipeline principal podría pasar por alto:

• Detección de errores en tiempo de ejecución — NaN/Inf en métricas, advertencias de stderr retroalimentadas al LLM para reparación dirigida
• Consistencia artículo-evidencia — código experimental real, resultados de ejecución y registros de refinamiento inyectados en la revisión por pares
• Puntuación de relevancia de citas — más allá de la verificación de existencia, el LLM evalúa la relevancia temática de cada referencia
• Cumplimiento de convergencia — detecta experimentos de iteración fija y exige criterios de parada temprana adecuados
• Validación de ablación — detecta condiciones de ablación duplicadas/idénticas y señala comparaciones defectuosas
• Guardia anti-fabricación — bloquea completamente la redacción del artículo cuando los experimentos no producen métricas

Si ya usas OpenClaw como tu asistente de IA:

1️⃣  Comparte la URL del repositorio de GitHub con OpenClaw
2️⃣  OpenClaw lee automáticamente RESEARCHCLAW_AGENTS.md → comprende el pipeline
3️⃣  Di: "Investiga [tu tema]"
4️⃣  Listo — OpenClaw clona, instala, configura, ejecuta y devuelve los resultados

Eso es todo. OpenClaw se encarga de git clone, pip install, configuración y ejecución del pipeline automáticamente. Tú solo chateas.

Para una integración más profunda, AutoResearchClaw incluye un sistema de adaptadores bridge con 6 capacidades opcionales:

# config.arc.yaml
openclaw_bridge:
  use_cron: true              # ⏰ Ejecuciones de investigación programadas
  use_message: true           # 💬 Notificaciones de progreso (Discord/Slack/Telegram)
  use_memory: true            # 🧠 Persistencia de conocimiento entre sesiones
  use_sessions_spawn: true    # 🔀 Generar sub-sesiones paralelas para etapas concurrentes
  use_web_fetch: true         # 🌐 Búsqueda web en vivo durante la revisión de literatura
  use_browser: false          # 🖥️ Recopilación de artículos basada en navegador

Cada flag activa un protocolo de adaptador tipado. Cuando OpenClaw proporciona estas capacidades, los adaptadores las consumen sin cambios en el código. Consulta integration-guide.md para más detalles.

Fase A: Alcance de investigación     Fase E: Ejecución de experimentos
  1. TOPIC_INIT                        12. EXPERIMENT_RUN
  2. PROBLEM_DECOMPOSE                 13. ITERATIVE_REFINE  ← auto-reparación

Fase B: Descubrimiento de literatura Fase F: Análisis y decisión
  3. SEARCH_STRATEGY                   14. RESULT_ANALYSIS    ← multi-agente
  4. LITERATURE_COLLECT  ← API real    15. RESEARCH_DECISION  ← PIVOT/REFINE
  5. LITERATURE_SCREEN   [compuerta]
  6. KNOWLEDGE_EXTRACT                 Fase G: Redacción del artículo
                                       16. PAPER_OUTLINE
Fase C: Síntesis de conocimiento       17. PAPER_DRAFT
  7. SYNTHESIS                         18. PEER_REVIEW        ← verif. evidencia
  8. HYPOTHESIS_GEN    ← debate        19. PAPER_REVISION

Fase D: Diseño experimental          Fase H: Finalización
  9. EXPERIMENT_DESIGN   [compuerta]   20. QUALITY_GATE      [compuerta]
 10. CODE_GENERATION                   21. KNOWLEDGE_ARCHIVE
 11. RESOURCE_PLANNING                 22. EXPORT_PUBLISH     ← LaTeX
                                       23. CITATION_VERIFY    ← verif. relevancia

Las etapas con compuerta (5, 9, 20) se pausan para aprobación humana o se auto-aprueban con --auto-approve. Al rechazar, el pipeline retrocede.

Bucles de decisión: La etapa 15 puede activar REFINE (→ Etapa 13) o PIVOT (→ Etapa 8), con versionado automático de artefactos.

• 🐍 Python 3.11+
• 🔑 Un endpoint de API LLM compatible con OpenAI (GPT-4o, GPT-5.x o cualquier proveedor compatible)

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"     # Cualquier endpoint compatible con OpenAI
  api_key_env: "OPENAI_API_KEY"              # Nombre de la variable de entorno con tu clave
  primary_model: "gpt-4o"                    # Cualquier modelo soportado por tu endpoint
  fallback_models: ["gpt-4o-mini"]
  s2_api_key: ""                             # Opcional: clave API de Semantic Scholar para mayores límites de tasa

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

# Configura tu clave API
export OPENAI_API_KEY="sk-..."

# 🚀 Ejecuta el pipeline completo
researchclaw run --config config.arc.yaml --auto-approve

# 🎯 Especifica un tema en línea
researchclaw run --config config.arc.yaml --topic "Transformer attention for time series" --auto-approve

# ✅ Valida la configuración
researchclaw validate --config config.arc.yaml

# ⏩ Reanuda desde una etapa específica
researchclaw run --config config.arc.yaml --from-stage PAPER_OUTLINE --auto-approve

Salida → artifacts/rc-YYYYMMDD-HHMMSS-<hash>/ con un subdirectorio por etapa.

Todos los entregables para el usuario se recopilan automáticamente en una única carpeta deliverables/:

artifacts/rc-YYYYMMDD-HHMMSS-<hash>/deliverables/
├── paper_final.md             # Artículo final (Markdown)
├── paper.tex                  # LaTeX listo para conferencia
├── references.bib             # Bibliografía BibTeX verificada (auto-depurada)
├── neurips_2025.sty           # Archivo de estilo de conferencia (auto-seleccionado)
├── code/                      # Código experimental + requirements.txt
├── verification_report.json   # Informe de integridad de citas
├── charts/                    # Visualizaciones de resultados (comparación de condiciones, barras de error)
└── manifest.json              # Índice de entregables con metadatos

La carpeta deliverables/ está lista para compilar — incluye los archivos .sty y .bst de la conferencia para que puedas compilar paper.tex directamente con pdflatex + bibtex o subirlo a Overleaf sin descargar nada adicional.

La etapa 4 consulta APIs académicas reales — no artículos alucinados por el LLM. Usa una estrategia arXiv primero para evitar limitaciones de tasa de Semantic Scholar.

• arXiv API (primaria) — preprints con IDs reales de arXiv y metadatos, sin límites de tasa
• Semantic Scholar API (secundaria) — artículos reales con títulos, resúmenes, venues, conteos de citas, DOIs
• Expansión de consultas — genera automáticamente consultas más amplias (variantes de survey, benchmark, comparación) para cobertura completa (30-60 referencias)
• Deduplicación automática — DOI → arXiv ID → coincidencia difusa de títulos
• Generación de BibTeX — entradas @article{cite_key, ...} válidas con metadatos reales
• Circuit breaker de tres estados — CLOSED → OPEN → HALF_OPEN con backoff exponencial de recuperación (nunca se desactiva permanentemente)
• Degradación gradual — un fallo de S2 no bloquea los resultados de arXiv; recurre a resultados aumentados por LLM si todas las APIs fallan

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())

Después de redactar el artículo, la etapa 23 verifica cada referencia tanto en integridad como en relevancia:

Cada referencia → VERIFIED ✅ · SUSPICIOUS ⚠️ · HALLUCINATED ❌ · SKIPPED ⏭️ · LOW_RELEVANCE 📉

Limpieza automática: Las citas alucinadas se eliminan silenciosamente del texto del artículo (sin etiquetas [HALLUCINATED]). Las entradas bibliográficas no citadas se podan. El references.bib final contiene solo referencias verificadas y citadas.

La etapa 1 detecta automáticamente las capacidades de GPU locales y adapta todo el pipeline:

El perfil de hardware se guarda en stage-01/hardware_profile.json e influye en la generación de código, los imports del sandbox y las restricciones de los prompts.

• Validación de código — análisis AST, lista blanca de imports, sin E/S de archivos fuera del sandbox
• Guardia de presupuesto de cómputo — presupuesto de tiempo (configurable, 600s por defecto) inyectado en el prompt de generación de código; el LLM debe diseñar experimentos que se ajusten al timeout del sandbox
• Harness de experimentos — experiment_harness.py inmutable inyectado en el sandbox con guardia de tiempo should_stop(), rechazo de NaN/Inf en report_metric() y escritura de resultados finalize() (inspirado en el patrón de eval inmutable de karpathy/autoresearch)
• Salida estructurada — los experimentos producen results.json con métricas tipadas (no solo análisis de stdout)
• Análisis inteligente de métricas — filtra líneas de log de las métricas usando detección de palabras clave (is_metric_name())
• Fallo rápido por NaN/divergencia — valores NaN/Inf filtrados de las métricas; pérdida divergente (>100) detectada y señalada
• Cumplimiento de convergencia — el código generado debe incluir criterios de parada temprana, no conteos de iteración fijos
• Detección de errores en tiempo de ejecución — métricas NaN/Inf y advertencias de stderr (división por cero, desbordamiento) detectadas automáticamente
• Reparación auto-curativa — los problemas en tiempo de ejecución se retroalimentan al LLM con diagnóstico dirigido para correcciones de causa raíz (no parches try/except)
• Refinamiento iterativo — la etapa 13 analiza resultados y re-ejecuta con código/parámetros mejorados (hasta 10 iteraciones, con prompts conscientes del timeout)
• Captura de resultados parciales — los experimentos que agotan el tiempo con métricas capturadas obtienen estado "partial" en lugar de "failed", preservando datos utilizables
• Alineación tema-experimento — verificación post-generación basada en LLM que asegura que el código experimental realmente prueba el tema de investigación planteado

El pipeline de redacción apunta a estándares NeurIPS/ICML/ICLR (9+ páginas, 5,000-6,500 palabras):

• Cumplimiento de integridad de datos — la redacción del artículo se bloquea completamente cuando los experimentos no producen métricas (previene que el LLM fabrique resultados); instrucciones anti-fabricación inyectadas tanto en borradores como en prompts de revisión
• Prompts de calidad de conferencia — los prompts del sistema incluyen principios clave del análisis de artículos aceptados: novedad, narrativa, baselines sólidos, ablaciones, honestidad, reproducibilidad; se señalan razones comunes de rechazo
• Directrices de título y enfoque — señalización de novedad, test de memorabilidad, estructura de abstract de 5 oraciones, detección de títulos genéricos con re-generación
• Redacción sección por sección — 3 llamadas secuenciales al LLM (Intro+Trabajo relacionado → Método+Experimentos → Resultados+Conclusión) para evitar truncamiento de salida
• Objetivos de conteo de palabras por sección — Abstract (150-250), Introducción (800-1000), Trabajo relacionado (600-800), Método (1000-1500), Experimentos (800-1200), Resultados (600-800), Discusión (400-600)
• Guardia de longitud en revisión — si el artículo revisado es más corto que el borrador, reintenta automáticamente con mayor enforcement; recurre a borrador+anotaciones si es necesario
• Enforcement anti-disclaimer — limita "due to computational constraints" a máximo 1 ocurrencia; los prompts de revisión eliminan activamente el hedging repetitivo
• Rigor estadístico — intervalos de confianza, valores p y tamaños del efecto requeridos en tablas de resultados; ablaciones defectuosas señaladas y excluidas de las afirmaciones
• Revisión por pares con rúbrica de conferencia — los revisores puntúan 1-10 siguiendo la rúbrica NeurIPS/ICML (novedad, baselines, ablaciones, afirmaciones vs evidencia, limitaciones)

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

El convertidor Markdown → LaTeX maneja: encabezados de sección (con deduplicación de auto-numeración), matemáticas inline/display, negrita/cursiva, listas, tablas (con \caption/\label), figuras (\includegraphics), bloques de código (seguros para Unicode), referencias cruzadas y referencias \cite{}.

Usa --auto-approve para omitir todas las compuertas, o configura etapas específicas en security.hitl_required_stages.

# === Proyecto ===
project:
  name: "my-research"              # Identificador del proyecto
  mode: "docs-first"               # docs-first | semi-auto | full-auto

# === Investigación ===
research:
  topic: "..."                     # Tema de investigación (requerido)
  domains: ["ml", "nlp"]           # Dominios de investigación para búsqueda de literatura
  daily_paper_count: 8             # Artículos objetivo por consulta de búsqueda
  quality_threshold: 4.0           # Puntuación mínima de calidad para artículos

# === Tiempo de ejecución ===
runtime:
  timezone: "America/New_York"     # Para marcas de tiempo
  max_parallel_tasks: 3            # Límite de experimentos concurrentes
  approval_timeout_hours: 12       # Timeout de etapas con compuerta
  retry_limit: 2                   # Número de reintentos por fallo de etapa

# === LLM ===
llm:
  provider: "openai-compatible"    # Tipo de proveedor
  base_url: "https://..."          # Endpoint de API (requerido)
  api_key_env: "OPENAI_API_KEY"    # Variable de entorno para la clave API (requerido)
  api_key: ""                      # O codifica la clave aquí directamente
  primary_model: "gpt-4o"          # Modelo principal
  fallback_models: ["gpt-4o-mini"] # Cadena de fallback
  s2_api_key: ""                   # Clave API de Semantic Scholar (opcional, mayores límites de tasa)

# === Experimento ===
experiment:
  mode: "sandbox"                  # simulated | sandbox | docker | ssh_remote
  time_budget_sec: 600             # Tiempo máximo de ejecución por corrida (por defecto: 600s)
  max_iterations: 10               # Máximo de iteraciones de optimización
  metric_key: "val_loss"           # Nombre de la métrica principal
  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        # Detección automática de imports → requirements.txt
  ssh_remote:
    host: ""                       # Nombre de host del servidor GPU
    gpu_ids: []                    # IDs de GPU disponibles
    remote_workdir: "/tmp/researchclaw_experiments"

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

# === Prompts ===
prompts:
  custom_file: ""                  # Ruta a YAML de prompts personalizados (vacío = valores por defecto)

# === Seguridad ===
security:
  hitl_required_stages: [5, 9, 20] # Etapas que requieren aprobación humana
  allow_publish_without_approval: false
  redact_sensitive_logs: true

# === Base de conocimiento ===
knowledge_base:
  backend: "markdown"              # markdown | obsidian
  root: "docs/kb"

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

# === Bridge de OpenClaw ===
openclaw_bridge:
  use_cron: false                  # Ejecuciones de investigación programadas
  use_message: false               # Notificaciones de progreso
  use_memory: false                # Persistencia de conocimiento entre sesiones
  use_sessions_spawn: false        # Generar sub-sesiones paralelas
  use_web_fetch: false             # Búsqueda web en vivo
  use_browser: false               # Recopilación de artículos basada en navegador

Inspirado por:

• 🔬 AI Scientist (Sakana AI) — Pionero en investigación automatizada
• 🧠 AutoResearch (Andrej Karpathy) — Automatización de investigación de principio a fin
• 🌐 FARS (Analemma) — Sistema de investigación completamente automatizado

MIT — consulta LICENSE para más detalles.

_{Construido con 🦞 por el equipo de AutoResearchClaw}