基于 Claude Code / Codex 的开源 pipeline
star 数为 2026-10-15 抓取。
| 项目 | ★ | 定位 | Claude / Codex 的角色 | 质量证据 |
|---|---|---|---|---|
| ARIS（上海交大，2605.03042） | 17,533 | 约 84 个 Markdown skill，覆盖文献到 rebuttal 全流程；中文社区活跃 | Claude Code 执行；Codex（默认 GPT-6 Astra，xhigh）跨家族审稿；也可以反过来 | 没有真实评审结果。 仓库只展示社区自报的 AI 审稿分（CSPaper 8/10、SAR 7/10，后者是只用 Codex 跑出的论文）。技术报告承认“缺乏对照评估”。独立评测对它不利：ResearchClawBench 上 ARIS-Codex 13.6，低于同为 GPT-5.4 的原生 Codex CLI（18.4）；ResearchFlow-Eval 上 ARIS（Codex/GPT-5.5）44.5，同模型原生 Codex 是 45.1。issue #465 问“有没有论文被接收”，至今无人回答 |
| AutoResearchClaw（UNC，2605.20025） | 14,665 | 23 阶段的 Python 状态机，宣传语是 “Chat an Idea. Get a Paper.” | Claude Code / Codex 作为可选的 ACP 后端或代码 agent | 作者只在自建基准上评过。 ARC-Bench 是 25 个单 CPU 核 10 分钟内能跑完的 ML 小任务，由两个 LLM 评委打分，严格分为 co-pilot 0.648、全自动 0.596。另一个 10 题端到端实验里，系统自带的 Stage-20 LLM 质量门给全自动 4.03/10、co-pilot 7.27/10，“人工干预”是脚本模拟的。独立评测 ResearchFlow-Eval 只给 18.6（生成的代码缺 import 直接崩溃）。2026-08-19 之后没有新提交 |
| academic-research-skills | 52,226 | 写作和综述的 copilot，每一步都要人确认，不跑实验 | Claude Code | 自己做的审计：经过三轮诚信检查后，68 条引用中仍有 21 条有问题 |
| K-Dense claude-scientific-skills / -writer | 50,354 / 2,481 | 通用科研技能库（含数据分析、建模类 skill）/ 写作 | Claude Code | 没有论文质量评测 |
| Orchestra AI-Research-SKILLs | 13,589 | AI 研究工程技能库 | 以 Claude Code 为主 | — |
| openai/codex-plugin-cc | 34,270 | OpenAI 官方插件，在 Claude Code 里调用 Codex 做 review 或接管任务。你本地的 codex:* 技能看起来就是它 |
搭建“Claude 执行 + Codex 审”的基础设施 | — |
| uditgoenka/autoresearch / codex-autoresearch | 6,576 / 2,924 | autoresearch 循环，分别对应 Claude Code 版和 Codex 版 | Claude Code / Codex | — |
| Claude Scholar | 5,798 | 半自动科研助手 | Claude Code | — |
| DeepScientist | 3,375 | 长时间运行的“研究工作室” | 推荐 Codex，Claude Code 可选 | 见学术与实验室系统 |
| EvoMap AutoResearch | 3,086 | 端到端 pipeline | 执行层用 Claude Code CLI，多模型评审 | 没有外部评测 |
| NanoResearch | 1,341 | 端到端 pipeline | 以 Python CLI 调各家 API 为主，另有可选的 Claude Code 模式和 Codex 入口 | 没有外部评测 |
| AutoSci（北大，2605.31468） | 1,705 | 以长期记忆和知识库为核心，标注为“internal beta” | Claude Code + Opus 4.7，另有 Codex 预览分支 | PaperReview.ai 打分 6.3 和 5.8（n=2）。⚠️ 据 issue #88，2026-09-12 至 09-18 期间 requirements.txt 被改成指向恶意依赖，已回滚 |
| Spark-to-Paper（2608.11924） | 1,234 | 13 个 Claude Code skill，本质是写作和打包引擎 | 只支持 Claude Code | 自报，基于 8 个题目：每篇约 $8.1、3.2 小时。参考文献书目可解析率 99.5%，这只说明文献存在、元数据对得上，不代表引用支撑了对应论断。对人为植入的无依据结论，检出率从 14% 提到 92%。没有科研质量方面的评估 |
| Sakana AI-Scientist-v3 | 97 | 设计最严谨：sealed evaluator、rubric、结论与证据来源映射 | Claude Code / Codex 可互换，也可以混用 | 见学术与实验室系统。仓库只有 2 天历史、1 个 commit |
| 其他 | — | Claw AI Lab（1,223）、Dr. Claw（1,159）、Arbor（1,111）、CORAL（1,072）、ARMS、Sibyl、Oh-My-Paper、phd-skills、Anti-Autoresearch（论文诚信取证）等。FAROS（3,040★）自带多厂商 LLM 层，不基于 Claude Code / Codex |
star 数不能反映论文质量。 star 最多的两个（52k 和 50k）一个是写作流水线（明确不跑实验），一个是通用科研技能库，都不是端到端研究 pipeline，也都没有论文质量评测。