又挖到一个宝藏仓库！高分Auto Research工具，全在这里了

来源：市场资讯

（来源：PaperWeekly）

最近几个月，Auto Research 这个词有点太热了。

前阵子还在让 AI 画图、改格式、润色论文，现在已经卷到让它自己找 idea、写代码、跑实验、直出论文。

问题也跟着来了，项目太多，名字太像，主页一个比一个会吹，真要挨个试，半天就没了。

为了帮大家节省点 token，今天推荐一个宝藏开源仓库：Awesome Auto Research Tools。

这个仓库只收录 GitHub 上 500+ Star 且持续活跃的自动化科研项目。它提前帮你踩了坑，把那些真正能跑通、有社区背书的可用项目单列了出来。

不管你需要的是一个文献调研助手，还是想搭一套能自动迭代的工作流，都可以直接从这份清单里找方案。

端到端自主研究系统

如果你想一步到位，直接体验全自动包工头的快感，可以重点看看这几个端到端系统。

它们的目标非常明确，自动化完整的研究生命周期，覆盖从“想法 → 实验 → 论文”的全过程。

autoresearch

Star 数量：79k

框架 / 工具：自研（PyTorch, nanochat）

支持的 LLM API：Anthropic Claude, OpenAI Codex

项目地址：

https://github.com/karpathy/autoresearch

项目简介：Andrej Karpathy 出品。630 行 AI 智能体，自主阅读训练脚本、提出假设、修改代码、运行实验并评估结果 —— 一夜跑数百个实验。

AI-Scientist

Star 数量：14k

框架 / 工具：自研（模板系统, LaTeX 流水线）

支持的 LLM API：OpenAI, Anthropic Claude, DeepSeek, Gemini, OpenRouter, 开源模型

项目地址：

https://github.com/SakanaAI/AI-Scientist

项目简介：首个全自动开放式科学发现系统。自动完成想法生成、编码、实验运行和完整论文撰写。

RD-Agent

Star 数量：13k

框架 / 工具：自研 + LiteLLM, Docker, Streamlit, Qlib

支持的 LLM API：OpenAI (GPT-4o/o1/o3), Azure OpenAI, DeepSeek；任何 LiteLLM 支持的提供商

项目地址：

https://github.com/microsoft/RD-Agent

项目简介：微软出品。自动化 R&D 流程 —— 量化因子/模型演化、Kaggle 自动化、论文到代码实现。MLE-bench 顶尖 agent。

AutoResearchClaw

Star 数量：12k

框架 / 工具：OpenClaw + Docker, LaTeX (NeurIPS/ICML/ICLR), OpenAlex, Semantic Scholar

支持的 LLM API：OpenAI (GPT-4o), OpenRouter, DeepSeek, MiniMax；Claude/Gemini/Kimi 经 ACP 协议

项目地址：

https://github.com/aiming-lab/AutoResearchClaw

项目简介：全自主研究：idea → 文献检索 → 沙箱实验 → 多 agent 同行评审 → LaTeX 论文输出。

ARIS

Star 数量：8.2k

框架 / 工具：Claude Code + MCP（Codex, llm-chat, Zotero, Obsidian）

支持的 LLM API：Anthropic Claude, OpenAI GPT, GLM-5, MiniMax, Kimi, Qwen, DeepSeek, LongCat；任何 OpenAI 兼容 API

项目地址：

https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep

项目简介：Claude Code skills 套件，用于自主 ML 研究：跨模型评审循环、想法发现流水线、实验自动化与论文撰写。

AI-Scientist-v2

Star 数量：6.1k

框架 / 工具：自研（BFTS 智能体树搜索, AIDE）

支持的 LLM API：OpenAI (o1/o3/GPT-4o), Anthropic (Bedrock), Gemini

项目地址：

https://github.com/SakanaAI/AI-Scientist-v2

项目简介：AI-Scientist 升级版。首篇完全由 AI 撰写并通过同行评审被接收的 Workshop 论文。

Agent Laboratory

Star 数量：5.6k

框架 / 工具：自研多智能体（arXiv, HuggingFace, LaTeX）

支持的 LLM API：OpenAI (o1/o3/GPT-4o), DeepSeek

项目地址：

https://github.com/SamuelSchmidgall/AgentLaboratory

项目简介：端到端自主研究工作流，包含文献综述、实验和报告撰写的专用智能体。

AI-Researcher

Star 数量：5.3k

框架 / 工具：自研 + LiteLLM, Docker, Gradio

支持的 LLM API：Anthropic, OpenAI, Gemini, DeepSeek, OpenRouter, GitHub AI（经 LiteLLM）

项目地址：

https://github.com/HKUDS/AI-Researcher

项目简介：NeurIPS 2025 Spotlight。完全自主系统，覆盖文献综述、假设生成、算法实现和可投稿论文准备。

claude-scholar

Star 数量：3.5k

框架 / 工具：Claude Code / Codex CLI / OpenCode, Zotero MCP, Obsidian, LaTeX

支持的 LLM API：Anthropic Claude, OpenAI（经 Codex）

项目地址：

https://github.com/Galaxy-Dawn/claude-scholar

项目简介：半自动学术研究助手，覆盖 idea → 编码 → 实验 → 写作 → 投稿。

Biomni

Star 数量：3k

框架 / 工具：生物医学自研智能体 + 代码执行、数据湖、know-how 知识库

支持的 LLM API：Anthropic Claude, OpenAI, Azure OpenAI, Gemini, Groq, AWS Bedrock, 自定义 OpenAI 兼容 API

项目地址：

https://github.com/snap-stanford/Biomni

项目简介：斯坦福出品。通用生物医学 AI 智能体，可在生物与医学研究中自主执行任务，结合 LLM 推理、检索增强与工具/代码调用。

DeepScientist

Star 数量：2.5k

框架 / 工具：自研（贝叶斯优化、Findings Memory、Research Map），Git worktrees, LaTeX

支持的 LLM API：OpenAI (Codex CLI), Anthropic Claude, Moonshot Kimi, OpenCode；本地模型后端

项目地址：

https://github.com/ResearAI/DeepScientist

项目简介：Local-first 自主研究 studio。Findings Memory 与贝叶斯优化编排基线复现 → 分支实验 → LaTeX 论文草稿。

DATAGEN

Star 数量：1.7k

框架 / 工具：LangChain + LangGraph, MCP servers, Firecrawl

支持的 LLM API：OpenAI, Anthropic Claude, Gemini, Ollama, Groq

项目地址：

https://github.com/starpig1129/DATAGEN

项目简介：AI 驱动的多智能体研究助手，自动完成假设生成、数据分析、可视化和报告撰写。

Idea2Paper

Star 数量：1.3k

框架 / 工具：自研 AgentAlpha 框架（多智能体协作），向量数据库，知识图谱

支持的 LLM API：DeepSeek V3/R1, Claude 3.5, GPT-4o；Semantic Scholar, ArXiv API

项目地址：

https://github.com/AgentAlphaAGI/Idea2Paper

项目简介：科研灵感探索引擎：多 Agent 协同进行深度文献挖掘与知识图谱对齐，将朴素 idea 包装为结构化课题方案。

InternAgent

Star 数量：1.3k

框架 / 工具：自研（Aider 代码生成、持久化记忆），Conda；Google Search, Semantic Scholar

支持的 LLM API：OpenAI（含 OpenAI 兼容接口）, Anthropic Claude

项目地址：

https://github.com/InternScience/InternAgent

项目简介：上海 AI Lab 出品。长周期自主科学发现的统一 agentic 框架，覆盖物理、生物、地球与生命科学 —— 反应产率预测、分子动力学、蛋白质工程、气候诊断。

深度调研与文献综合

科研的第一步永远是海量的信息输入。这一类工具主要帮你解决信息过载的问题，聚焦于自动信息收集、文献综述和深度的报告生成。

有了它们，梳理某个细分领域时就不需要去一页页翻 PDF 了。

DeerFlow

Star 数量：66k

框架 / 工具：LangChain + LangGraph, InfoQuest

支持的 LLM API：任何 OpenAI 兼容 API（GPT-4, Gemini via OpenRouter 等）

项目地址：

https://github.com/bytedance/deer-flow

项目简介：字节跳动出品。开源 SuperAgent 框架，编排子智能体、记忆和沙箱，用于深度调研、代码生成和报告撰写。

STORM

Star 数量：28k

框架 / 工具：DSPy + LiteLLM, Streamlit

支持的 LLM API：全部 LiteLLM 支持的模型（OpenAI, Azure 等）；搜索：You.com, Bing, Google, Brave, Tavily, SearXNG

项目地址：

https://github.com/stanford-oval/storm

项目简介：斯坦福出品。LLM 驱动的知识管理系统，生成带引用的完整维基百科风格文章。支持 Co-STORM 人机协作。

GPT Researcher

Star 数量：27k

框架 / 工具：LangGraph, MCP, FastAPI, NextJS

支持的 LLM API：OpenAI, Anthropic Claude, Gemini；任何 OpenAI 兼容 API

项目地址：

https://github.com/assafelovic/gpt-researcher

项目简介：自主深度调研智能体。生成 5-6 页带引用的事实性报告，支持 PDF/Docx/Markdown 和多智能体工作流。

ChatPaper

Star 数量：19k

框架 / 工具：PyMuPDF, arxiv.py, Flask, Docker

支持的 LLM API：OpenAI (GPT-3.5/4)

项目地址：

https://github.com/kaixindelele/ChatPaper

项目简介：用 ChatGPT 总结 arXiv 论文、专业翻译、论文润色、审稿分析和审稿人回复生成。

通义深度研究

Star 数量：19k

框架 / 工具：自研（ReAct, IterResearch, GRPO RL）；Serper, Jina, SandboxFusion

支持的 LLM API：OpenAI 兼容, OpenRouter；通义-30B-A3B, Dashscope/百炼

项目地址：

https://github.com/Alibaba-NLP/DeepResearch

项目简介：阿里巴巴出品。Agentic LLM（305 亿参数，33 亿激活），专为长周期深度信息检索设计。多项基准 SOTA。

Open Deep Research

Star 数量：11k

框架 / 工具：LangChain + LangGraph, MCP, LangSmith

支持的 LLM API：OpenAI (GPT-5/4.1), Anthropic (Sonnet 4), OpenRouter, Ollama（本地）

项目地址：

https://github.com/langchain-ai/open_deep_research

项目简介：LangChain 出品。开源深度调研框架，可配置 MCP 工具和搜索 API。

PaperQA2

Star 数量：8.4k

框架 / 工具：自研 + LiteLLM, Pydantic, tantivy

支持的 LLM API：OpenAI, Anthropic, Gemini, Ollama, llama.cpp；任何 LiteLLM 支持的提供商

项目地址：

https://github.com/Future-House/paper-qa

项目简介：面向科学文献的高精度 RAG 系统。动态检索全文论文并迭代优化回答。发表于 ICLR。

DeepResearchAgent

Star 数量：3.4k

框架 / 工具：自研（Autogenesis 自演化协议），MMEngine 配置

支持的 LLM API：OpenRouter（多模型访问）

项目地址：

https://github.com/SkyworkAI/DeepResearchAgent

项目简介：昆仑万维出品。层级多智能体系统，顶层规划智能体协调多个专业化底层智能体。

Auto-Deep-Research

Star 数量：1.5k

框架 / 工具：AutoAgent 框架 + LiteLLM, Docker

支持的 LLM API：Anthropic, OpenAI, Gemini, Mistral, Groq, OpenRouter, DeepSeek；任何 OpenAI 兼容

项目地址：

https://github.com/HKUDS/Auto-Deep-Research

项目简介：OpenAI Deep Research 的开源替代。通用 LLM 兼容，零配置启动。GAIA Benchmark 表现优异。

OpenScholar

Star 数量：1.5k

框架 / 工具：自研 RAG（PyTorch, HuggingFace, Contriever)

支持的 LLM API：OpenAI (GPT-4o), Llama 3.1 8B（自部署）；Semantic Scholar API, You.com

项目地址：

https://github.com/AkariAsai/OpenScholar

项目简介：检索增强语言模型，搜索 4500 万篇论文。发表于 Nature。超越 PaperQA2 和 Perplexity Pro。

ChatReviewer

Star 数量：1.4k

框架 / 工具：Python, tiktoken, Docker, HuggingFace Spaces

支持的 LLM API：OpenAI (GPT-3.5/4)

项目地址：

https://github.com/nishiwen1214/ChatReviewer

项目简介：用 ChatGPT 分析论文优缺点，提供改进建议，自动生成审稿人回复。ChatPaper 姊妹项目。

OpenResearcher

Star 数量：741

框架 / 工具：Megatron-LM（训练）, vLLM（部署）, HuggingFace, Tevatron, BM25 + Qwen3-Embedding, Serper

支持的 LLM API：OpenResearcher-30B-A3B（开源权重）; OpenAI API（评分）

项目地址：

https://github.com/InternScience/InternAgent

项目简介：完全开源的长周期 deep research 训练 + 推理 pipeline，发布 30B-A3B 开源模型，在 BrowseComp-Plus 上超越 GPT-4.1 和 Claude Opus 4。

自动化实验与代码智能体

到了落地执行阶段，这部分项目专门用于自动化编码、实验执行和迭代优化。它们更像是整个系统的底层驱动，负责替你处理调参、修代码、看报错等繁琐的体力活。

AutoGPT

Star 数量：184k

框架 / 工具：自研（Agent Builder, 工作流模块），Docker

支持的 LLM API：OpenAI, Anthropic, Groq, Llama, AI/ML API（300+ 模型）

项目地址：

https://github.com/Significant-Gravitas/AutoGPT

项目简介：最早的自主 AI 智能体框架之一。包含 Forge（智能体创建）、基准测试套件和用户界面。

OpenHands

Star 数量：73k

框架 / 工具：自研智能体框架，可组合 Python 库

支持的 LLM API：Anthropic Claude, OpenAI GPT, MiniMax；任何 LLM

项目地址：

https://github.com/All-Hands-AI/OpenHands

项目简介：AI 驱动的软件开发平台。自主编码智能体可编辑文件、运行命令、浏览网页。SWE-Bench Verified 达 72%。

Aider

Star 数量：44k

框架 / 工具：自研（AI 结对编程 CLI），Git 集成

支持的 LLM API：Anthropic Claude, OpenAI, DeepSeek, OpenRouter, Ollama；几乎任何 LLM

项目地址：

https://github.com/Aider-AI/aider

项目简介：终端中的 AI 结对编程。支持多文件编辑、Git 集成。广泛用作研究流水线中的编码基础设施。

SWE-agent

Star 数量：19k

框架 / 工具：自研（YAML 配置驱动），面向研究场景

支持的 LLM API：OpenAI (GPT-4o), Anthropic (Sonnet 4, Claude 3.7)；可配置

项目地址：

https://github.com/SWE-agent/SWE-agent

项目简介：普林斯顿出品。将 LLM 转化为修复真实 GitHub Issue 的软件工程智能体。开创 SWE-Bench 基准。

PaperBanana

Star 数量：6.2k

框架 / 工具：Streamlit, OpenRouter

支持的 LLM API：OpenAI, Anthropic, Gemini（经 OpenRouter）

项目地址：

https://github.com/dwzhu-pku/PaperBanana

项目简介：参考驱动的多智能体学术插图生成框架。5 个专用 agent（检索、规划、风格、可视化、评审）生成出版级插图。

MLE-agent

Star 数量：1.6k

框架 / 工具：Python, Kaggle 集成, arXiv, Papers with Code

支持的 LLM API：OpenAI, Anthropic Claude, Ollama (Llama3), Mistral

项目地址：

https://github.com/MLSysOps/MLE-agent

项目简介：ML 工程与研究的智能伴侣。集成 arXiv 和 Papers with Code，提供更好的代码/研究计划。自动调试。

AIDE

Star 数量：1.3k

框架 / 工具：Python, Streamlit, Docker

支持的 LLM API：OpenAI (GPT-4-turbo/4o), Anthropic Claude, Gemini, Ollama（本地）

项目地址：

https://github.com/WecoAI/aideml

项目简介：用 AI 驱动的代码空间探索。LLM agent 通过树搜索编写、评估和改进 ML 代码。Kaggle 奖牌数是最佳线性 agent 的 4 倍。

研究 Skills 与插件合集

如果你的本地环境已经有了跑得比较顺手的通用执行工具（比如 Claude Code 或者 Codex），清单里也整理了可复用的 Skill 集合和插件生态。

直接安装这些插件，就能给你的模型快速扩展出特定的科研技能。

scientific-agent-skills

Star 数量：20k

框架 / 工具：PyTorch Lightning, scikit-learn, BioPython, RDKit, DeepChem, Scanpy, OpenMM

支持的 LLM API：Agent 无关（Claude Code, Cursor, Codex, Gemini CLI）

项目地址：

https://github.com/K-Dense-AI/scientific-agent-skills

项目简介：133 个即用型科学 skills，覆盖生物信息学、药物发现、临床研究、医学影像和材料科学。

AI-Research-SKILLs

Star 数量：8k

框架 / 工具：DeepSpeed, vLLM, LangChain, W&B, MLflow 等 80+ 框架

支持的 LLM API：Agent 无关（Claude Code, Codex, Gemini CLI, Qwen Code）

项目地址：

https://github.com/Orchestra-Research/AI-research-SKILLs

项目简介：86 个 skills 覆盖 22 个类别，贯穿 AI 研究全生命周期：文献综述、想法生成、实验和论文撰写。

结语

Auto Research 的进化速度确实快得惊人。虽然工具还不能替你凭空变出一篇顶会满分论文，但把查文献、找环境、改bug 这种最费时的体力活交接出去，已经是完全可以落地的现实了。

建议大家从这份清单里挑几款工具熟悉一下，在日常的工作流里给自己增加一点自动化能力：

https://github.com/handsome-rich/Awesome-Auto-Research-Tools