ARIS（Auto-Research-In-Sleep）

一句话定位

ARIS 是一套科研工作流 skill 库：约 84 个纯 Markdown 的 SKILL.md，加上一些 Python 辅助脚本和 MCP bridge，不需要服务端、Docker 或数据库。默认由 Claude Code 当执行者（读论文、写代码、跑 GPU 实验、改稿），由另一个模型家族的 Codex/GPT 当对抗式审稿人，覆盖文献、选题、实验、写作、审计到 rebuttal 的全流程。

在原生组合 Claude Code 和 Codex 的开源方案里，它最成熟、更新最勤。但目前没有任何证据表明，它在无人监督时的产出能通过真实同行评审。

基本信息

项目	内容
仓库	wanshuiyin/Auto-claude-code-research-in-sleep
许可证	MIT
论文	技术报告 arXiv 2605.03042：“ARIS: Autonomous Research via Adversarial Multi-Agent Collaboration”，Ruofeng Yang、Yongcan Li、Shuai Li（上海交通大学），v1 发布于 2026-05-04（cs.SE）
GitHub star（2026-10-15）	17,533
创建时间	2026-03-10
最近提交	2026-10-07（累计 1,221 个 commit）
维护者	Ruofeng Yang（GitHub：wanshuiyin，上海交大），另有数十位社区贡献者；中文社区活跃，有大型微信群
Issues	共 160 个：58 个 open、102 个 closed，不少是中文用户的反馈
发行形式	skill 仓库本身；Claude Code 插件 `aris@aris`；Codex CLI 插件（带 Codex 原生的 skill 镜像）；ARIS-Code，一个在 GitHub Releases 发布的独立 Rust CLI

更新节奏很快：ARIS-Code 从 v0.1.0（2026-04-02）到 v0.4.28（2026-09-28），大约每周一个版本；skill 仓库每周合并多个 PR，README 里有按日期排列的更新记录。同一维护者的 Anti-Autoresearch 以 /integrity-forensics 的形式内置在 ARIS 里。

架构与阶段

技术报告把 ARIS 分成三层：

执行层：各个 skill、连接其他模型 CLI 的 MCP bridge、持久化的 research-wiki、确定性的图表渲染。
编排层：带名字的工作流，可以设 effort 档位、选择审稿路由。
保障层（assurance）：experiment-audit → result-to-claim → paper-claim-audit → citation-audit 四步审计，外加 proof-checker、多轮科学编辑和对渲染后 PDF 的检查。

工作流

工作流	入口命令	做什么	主要产出
W1 选题	`/idea-discovery`	`/research-lit` 检索 Zotero、Obsidian、本地 PDF 和 arXiv/Scholar（Semantic Scholar、DeepXiv、Exa、OpenAlex 需要显式开启；Gemini 在 `/idea-discovery` 里默认加入，没装 gemini-cli 时跳过）；GPT 头脑风暴 8–12 个 idea，按可行性、成本和初步新颖性筛选；再做深度 `/novelty-check` 和唱反调式审稿；前 2–3 个 idea 各用一张 GPU 跑 30 分钟到 2 小时的 pilot，按 pilot 信号排序；`/research-refine` 在 GPT 审稿下迭代方案，最后写出以论断为中心的实验计划	`IDEA_REPORT.md`、`refine-logs/FINAL_PROPOSAL.md`、`refine-logs/EXPERIMENT_PLAN.md`
W1.5 实验桥	`/experiment-bridge`	写实验脚本；上 GPU 之前先让 GPT 审代码；先跑最小规模的 sanity run；通过 `/run-experiment` 部署（本地、SSH + screen、Vast.ai 或 Modal）并收集结果	实验结果
W2 自动审稿循环	`/auto-review-loop`	GPT 审论文、论断和实验；Claude 按意见修改，包括改写、补 baseline、发起新实验（预计超过 4 GPU 小时的任务会跳过，留给人处理）；重复直到分数达到 `POSITIVE_THRESHOLD`（默认 6/10）或轮数达到 `MAX_ROUNDS`（默认 4）	`REVIEW_STATE.json`，上下文被压缩后可以续跑
W3 写论文	`/paper-writing`	`NARRATIVE_REPORT.md` → `/paper-plan`（论断-证据矩阵）→ `/paper-figure` → `/paper-write` → `/paper-compile`（latexmk 加页数检查）→ `/auto-paper-improvement-loop`（2 轮 GPT 内容审稿加 1 轮格式检查）；BibTeX 从 DBLP/CrossRef 获取	LaTeX 论文和 PDF
W4 rebuttal	`/rebuttal`	三道关：不编造、不做未经用户同意的承诺、每条审稿意见都有回应	`PASTE_READY.txt`
W5 改投	`/resubmit-pipeline`	把论文改投到新会议，只改文字，不做新实验	—
W6 会议报告	`/paper-talk`	论文 → Beamer 和 PPTX 幻灯片、讲稿，并做审计	—
W7 证明	`/proof-orchestrator`、`/lean-formalize`	跨多个会话的证明任务；Lean 形式化（2026-10 初加入）	—

另有两个辅助组件：/research-wiki 提供跨会话的持久记忆，失败的 idea 也会保留，避免重复尝试；/meta-optimize 根据使用日志提出 SKILL.md 的修改建议，但从不自动应用。

/research-pipeline 把 W1 → W1.5 → W2 → W3 串成一条端到端流水线。

W3 产出的 PDF 只有在 assurance 为 submission 时（effort 设为 max 或 beast 时默认如此），并且 /proof-checker、/paper-claim-audit、/citation-audit 三项审计通过 tools/verify_paper_audits.sh 校验，才会标为 submission-ready。2026-07 起这一步还默认运行 /integrity-forensics。其中 /citation-audit 在全新的审稿线程里逐条检查引用是否存在、元数据是否正确、上下文是否真的支撑论断，给出 KEEP / FIX / REPLACE / REMOVE。

保障层是怎么来的

ARIS 的审计设计有一部分直接来自用户报告的事故：

#57（2026-03）：experiment_bridge 把 backbone 方法的输出当成 ground truth 去评估。报告者写道，幸好发现及时，否则等于结果欺诈。维护者加了一条硬规则（评估必须用数据集自带的 ground truth），并在上 GPU 前的 GPT 代码审查里加了对应检查。
#131（2026-04）：修复之后的一次实验不再用别的模型的输出，却自己合成了一个伪 ground truth 来比较，摘要里写的是 “57 dB boundary PSNR”。
维护者随后（2026-04-11）加入 /experiment-audit 和实验诚信协议：写实验代码的模型不得评判实验诚信，由另一家族的审稿模型直接读评估代码和结果；评估类型必须标注（real_gt、synthetic_proxy 等），合成的代理参考只能支撑“代理一致性”这一级的论断。按当时的设计，这项审计只给建议，不阻断流水线。

Claude Code 与 Codex 的角色

默认分工是 Claude Code 执行，Codex 审稿，也可以反过来。

Claude Code：执行者

读论文、写并启动实验代码、监控 GPU 任务、改写论文、编译 LaTeX、起草 rebuttal。
skill 由 tools/install_aris.sh 以符号链接装进项目的 .claude/skills；也可以装成插件，用 /aris:<skill> 调用。
GPU 服务器写在项目的 CLAUDE.md 里：GPU 模式（local、remote、vast 或 modal）、SSH 命令和 GPU 型号。按 ARIS 文档的说法，审稿人只决定做什么实验，Claude Code 根据 CLAUDE.md 决定怎么跑。

Codex：审稿人

Claude Code 通过名为 codex 的 MCP server 调用 mcp__codex__codex 和 mcp__codex__codex-reply。
codex-cli 0.154 移除了 codex mcp-server（README 2026-09-10 公告）。现在这个 MCP server 换成了 ARIS 自带的 bridge mcp-servers/codex-exec/server.py：底层调用 codex exec，工具名和返回格式不变，支持按线程续接。README 解释了为什么不直接用 OpenAI 官方的 Claude Code 插件：它没有 ultra 推理档，也不支持按线程续接，而深度审计 skill 需要这两样。
模型：2026-09-07 起默认审稿模型是 gpt-6-astra，常规审稿用 xhigh；7 个重量级审计（/proof-checker、/kill-argument、/research-review、/experiment-audit、/paper-claim-audit、/result-to-claim、/meta-apply）用 ultra，需要 codex-cli 0.144.1 或更高版本。没有该模型的权限时，依次回退到 gpt-5.6-sol、gpt-5.5，都用 xhigh。README 建议在 ~/.codex/config.toml 里写上 model = "gpt-6-astra"。
认证用 ChatGPT 登录（codex login），不需要 API key。

审稿独立性

2026-04-15 起默认开启 REVIEWER_BIAS_GUARD=true，每一轮审稿都开新线程。起因是维护者在一次真实 NeurIPS 投稿运行中观察到：复用同一个 Codex 审稿线程、每轮告诉它“上一轮我们改了什么”，同一篇论文的分数从 3/10 被抬到 8/10，换成新线程后又回到 3/10。这是单个案例，没有对照复现。
Reviewer Independence Protocol：执行者只能把角色、审稿目标、文件路径、结构信息和会议约束交给审稿人，不能附带自己的总结、解读、修改说明或引导性问题，审稿人要自己去读原始文件。完整的 prompt/response 记录保存在 .aris/traces/，便于事后检查独立性。

其他审稿选项

— difficulty: nightmare：让 GPT 通过 codex exec 自己读整个仓库，Claude 无法筛选它看到的内容。
— reviewer: oracle-pro：通过 Oracle MCP 改用 GPT-5.5 Pro 审稿。
— reviewer: manual：你自己当审稿人。
可选的 HTTP 审稿回退，默认关闭，只在能确认 Codex 根本没收到请求时才触发。

反过来用，或只用 Codex

Codex 执行、Claude 审稿：把 skills/skills-codex 和覆盖层 skills/skills-codex-claude-review 装进 ~/.codex/skills，再注册 claude-review MCP bridge，审稿模型由环境变量 CLAUDE_REVIEW_MODEL 指定。覆盖层只替换审稿密集的 8 个 skill。长审稿要用异步的 review_start / review_status，因为“Codex → claude-review MCP → 本地 Claude CLI”这一跳容易触发 Codex 侧的 MCP 超时。
只用 Codex：通过 tools/install_aris_codex.sh 或 Codex 插件安装 Codex 原生镜像。这时默认审稿人是一个全新的 Codex spawn_agent；除非另装 Claude 或 Gemini 覆盖层来审，结果都会标为 “same-family / provisional”。
ARIS-Code 独立 CLI：默认执行模型 claude-opus-5，按 Opus 4.8、Opus 4.7 的顺序回退；fable 别名指向 claude-fable-5-1；可用 ARIS_REASONING_EFFORT、ARIS_MAX_TOKENS 调节。v0.4.25 起内置 codex exec bridge，不需要另行注册。

安装与运行

前置条件

Claude Code。
审稿功能需要 Codex CLI 和 ChatGPT 登录。
W3（写论文）需要 LaTeX 环境中的 latexmk 和 pdfinfo；只用 W1、W2 时不需要 LaTeX。
可选：GEMINI_API_KEY（论文插图）、EXA_API_KEY、SEMANTIC_SCHOLAR_API_KEY、W&B。

方式一：克隆仓库，安装 skill

# 1. 以符号链接方式把 skill 装进项目的 .claude/skills/
git clone https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep.git
bash Auto-claude-code-research-in-sleep/tools/install_aris.sh ~/your-project
# 只装一部分：--list-groups / --groups X,Y / --skills X

# 2. 接上 Codex 审稿人（在第 1 步 clone 所在的目录下运行）
npm install -g @openai/codex && codex login
claude mcp add codex -s user -- python3 "$(pwd)/Auto-claude-code-research-in-sleep/mcp-servers/codex-exec/server.py"
# 然后重启 Claude Code，`claude mcp list` 里应显示 codex 已连接

以后更新：

cd Auto-claude-code-research-in-sleep && git pull
bash tools/smart_update.sh --apply

2026-09-11 之前装过 ARIS 的，旧的 codex mcp-server 注册在 codex-cli 0.154 上已经失效，需要重新注册。README 说新 bridge 在 codex 0.153 上也能用，所以最好在升级 Codex 之前就改好：

cd Auto-claude-code-research-in-sleep && git pull
claude mcp remove codex -s user
claude mcp add codex -s user -- python3 "$(pwd)/mcp-servers/codex-exec/server.py"

方式二：Claude Code 插件

claude plugin marketplace add wanshuiyin/Auto-claude-code-research-in-sleep
claude plugin install aris@aris

然后在 Claude Code 里运行一次 /aris:setup（它会注册插件自带的 Codex 审稿 bridge），再重启。插件方式下 skill 带前缀调用，例如 /aris:idea-discovery。Codex CLI 也可以把同一个仓库当插件装：先 codex plugin marketplace add wanshuiyin/Auto-claude-code-research-in-sleep，再 codex plugin add aris@aris，然后按 README 把插件路径写进 ~/.aris/repo（只需一次）。

在 Claude Code 里运行

# 端到端：只给研究方向
/research-pipeline "factorized gap in discrete diffusion LMs"

# 在一篇已有论文及其代码的基础上改进
/research-pipeline "improve method X" — ref paper: <arXiv URL>, base repo: <GitHub URL>

# 分段使用
/idea-discovery "your research direction"
/experiment-bridge
/auto-review-loop "your paper topic or scope"
/paper-writing "NARRATIVE_REPORT.md"
/rebuttal "paper/ + reviews" — venue: ICML, character limit: 5000
/research-wiki init
/meta-optimize

所有命令都可以在末尾追加 — key: value 形式的覆盖参数，常用的有 AUTO_PROCEED、human checkpoint、effort、assurance、difficulty、reviewer、venue、gpu、sources、illustration。templates/ 目录里有各工作流的输入模板（研究简报、实验计划、叙事报告、论文大纲）。

通宵运行的权限设置

想让审稿循环通宵运行、不弹权限确认，README 给出的做法是在 .claude/settings.local.json 里预先放行：

{
  "permissions": {
    "allow": [
      "mcp__codex__codex",
      "mcp__codex__codex-reply",
      "Write",
      "Edit",
      "Skill(auto-review-loop)"
    ]
  }
}

声明 GPU

在项目的 CLAUDE.md 里写明 GPU 环境。下面是 ARIS 文档中远程 SSH 服务器的示例（节选）：

## Remote Server
- gpu: remote
- SSH: `ssh my-gpu-server` (key-based auth, no password)
- GPU: 4x A100
- Conda env: `research` (Python 3.10 + PyTorch)
- Code directory: `/home/user/experiments/`
- Use `screen` for background jobs: `screen -dmS exp0 bash -c '...'`

人工检查点与自主模式

自主程度按每次调用设置：

开关	默认	作用
`AUTO_PROCEED`	`true`	在选择节点报告选中的 idea 后直接继续；设为 `false` 时，花 GPU 之前先等你批准
`human checkpoint`	`false`	每轮审稿后暂停，你可以看分数、给修改指令、跳过某些修改或提前结束
`reviewer: manual`	—	你自己当审稿人，因此不能无人值守
`effort`	`balanced`	lite（约 0.4 倍 token）、balanced、max（约 2.5 倍）、beast（约 5–8 倍）。只改变广度和深度，不会降低审稿人的推理档位，也不会关闭 DBLP/CrossRef 引用、审稿独立性和实验诚信检查
`assurance`	随 effort	lite 和 balanced 对应 `draft`，审计不阻断；max 和 beast 对应 `submission`，强制在新线程里跑 `/proof-checker`、`/paper-claim-audit`、`/citation-audit`，`tools/verify_paper_audits.sh` 不通过就拒绝生成最终报告。可以用 `— effort: beast, assurance: draft` 绕开
飞书 / Lark	关	在手机上接收进度，或直接批准、拒绝

本调研建议把它当作有人把关的 co-pilot 来用：

/research-pipeline "…" — AUTO_PROCEED: false, human checkpoint: true, effort: max, assurance: submission

AUTO_PROCEED: false：选题在花 GPU 之前由人批准。
human checkpoint: true：每轮审稿后由人决定改什么。
effort: max 加 assurance: submission：让审计结果真正阻断最终报告，并默认运行 /integrity-forensics。
最后由人逐条核对引用和数字。完整的人工关口见推荐流水线。

需要知道的限制：

编排只存在于一个正在运行的 Claude Code 会话里，没有常驻的监督进程（#11）。会话或终端断掉后，远程实验会继续跑，但工作流会停下，直到你重新打开会话、从状态文件续跑。所以最好放在 tmux 里运行。
无人值守依赖执行模型遵守提示词里的规则（见上文的 #30、#284）。
README 自己写道，这些工具 “don’t replace your own critical thinking”；技术报告也说，human-in-the-loop “can significantly improve” 最终论文的质量。

成本与算力

ARIS 没有公布每篇论文的成本。你要付的是三样东西：

项目	说明
执行者	Claude Code 订阅或 API。ARIS-Code 列出的 Opus 5 价格是每百万输入/输出 token $5/$25
审稿人	通过 `codex login` 使用 ChatGPT Plus/Pro 的额度；ARIS-Code 的说明里，gpt-6-astra 的 API 价位是每百万 token $10/$50。用户反映审稿额度消耗很快，随口一句话也可能触发调用审稿人的 skill（#451）
GPU	自备。W1 的每个 pilot 30 分钟到 2 小时；审稿循环会跳过预计超过 4 GPU 小时的任务；有记录的一次通宵运行约 8 小时、4 轮、20 多个 GPU 实验

effort 档位会把 token 用量从约 0.4 倍（lite）放大到约 5–8 倍（beast）。
没有 GPU 时，审稿和改写类 skill 照样能用，需要做实验的修改会被标出来留给你手动处理。README 提到可以用 Modal 每月 $30 的免费额度试跑实验，也支持按需租用 Vast.ai；ARIS 文档给出的 Vast.ai 参考花费是：在 RTX 4090 上跑消融约 $0.30–2，在 A100/H100 上跑 baseline 约 $2–10（自报）。

质量证据

证据强度：弱。只有自报数字和 AI 审稿分；两项独立评测里，它没有超过同模型的原生 Codex；没有任何真实同行评审结果。

证据	类型	内容	需要注意
README 社区展示（3 项）	AI 审稿分 + 自报	CSPaper 模拟审稿 8/10，状态 “awaiting official feedback”；Stanford Agentic Reviewer 7/10，这篇是只用 Codex CLI（ARIS-Codex skill）做的，状态写着已投 AAAI 2026 主会、“awaiting official decision”；UAV-CC 投 IEEE TGRS，状态 under review	三项都没有被接收的记录。README 自己说明这些是 AI 审稿信号而非录用，而且 ARIS 本来就在 AI 审稿循环里优化，高 AI 分是 “an expected byproduct”。AAAI-26 的录用结果在 2025 年底就已公布，早于 ARIS 出现，“等待决定”的标注说不通，这篇的结果实际上没有报告
技术报告中的一次通宵运行	自报 + AI 审稿分	约 8 小时、4 轮审稿-修改，内部审稿人（GPT-5.4 xhigh）的分数从 5.0 升到 7.5/10，跑了 20 多个 GPU 实验，删掉了证据不支持的论断	作者原话：“a single trajectory on one paper; we do not generalize from it”
其他内部演示	自报 + AI 审稿分	一篇 ICLR 风格的理论论文，README 的标题数字是 4/10 → 8.5/10，但按它的表格，GPT 内容审稿分经两轮从 4 升到 7，8.5 是最后一轮格式检查（从 5 分起）的分数；从一份 `NARRATIVE_REPORT` 编译出一篇 9 页的 ICLR 理论论文	打分的正是 ARIS 循环里用来优化的那类审稿人
ResearchClawBench	独立评测	ARIS-Codex（Codex/GPT-5.4）13.6 分，低于同为 GPT-5.4 的原生 Codex CLI（18.4）；Claude Code（Opus 4.6）21.5 分；没有系统接近代表“重新发现目标论文结论”的 50 分	40 个任务来自 10 个科学领域（不只是 AI），由 GPT-5.1 按 rubric 打分
ResearchFlow-Eval	独立评测	ARIS（跑在 Codex/GPT-5.5 上）44.5 分，同模型的原生 Codex 45.1 分，基本持平	只有一个任务，每个系统只跑一次。该评测的总体观察是：加 research skill 主要改善了论文写作，执行分反而下降
真实同行评审	—	没有	#465（2026-10-10）问有没有 ARIS 论文被接收、README 里三篇展示论文的结果如何，截至 2026-10-15 无人回答

技术报告称全部部署证据都是 “observational”，并把 “the absence of controlled evaluation” 列为主要局限；它在附录 E 里描述的对照基准还是未来工作。

为什么 AI 审稿分不能当质量证据，见为什么 AI 审稿分不可信；两项独立评测的细节见评测研究。

已知问题

#57：experiment_bridge 把 backbone 方法的输出当成 ground truth 评估。2026-03 修复。
#131：#57 修复后，又出现用合成的伪 ground truth 做比较、摘要却写 “57 dB boundary PSNR” 的情况；由此引入 /experiment-audit。2026-04 关闭。
#151：调用 Codex 审稿时 Claude 卡住 20 多分钟，没有输出，也没消耗 Codex 额度；另有用户反映，把 Claude Code 的模型换成 Qwen 或 Kimi 时会出现同样的情况。一位用户的解决办法是让 Codex 以 approval_policy=never 运行（并指定 model、effort、sandbox 参数）。审稿 bridge 连不上或挂起的问题在 #75、#104、#289 中也出现过，ARIS-Code v0.4.10 为 “Calling codex…” 卡死加了 MCP 超时。
codex-cli 0.154 移除 codex mcp-server（README 2026-09-10 公告）：Codex 升级后所有审稿调用失效，要按上面的步骤改用 ARIS 自带的 codex-exec bridge 重新注册。
#30：AUTO_PROCEED: true 时 /research-pipeline 仍不断停下来等输入，GLM-5 + MiniMax 和 Opus 4.6 + GPT-5.4 xhigh 两种组合都出现过。2026-08-21 随 #410（让 AUTO_PROCEED 的检查点真正不阻塞）关闭。
#284：/idea-creator 经常跳过 /novelty-check 和 GPU pilot，自己写出 idea。维护者确认，原因之一是该 skill 的 allowed-tools 里缺了 Skill，已在 07ca667 修复；后来 #383（对应 #285）给 /idea-discovery 加了逐阶段的证据关卡，某个阶段没有记录证据时，报告会写 BLOCKED，而不是看起来已经完成。维护者还提醒，把 MCP 调用改写成直接的 codex exec 并不等价。截至 2026-10-15，这个 issue 仍为 open。
#451：随口一句话就可能触发调用 GPT-6-Astra 的 skill，耗掉 ChatGPT 额度。维护者保留默认行为，提供可选的办法：在 CLAUDE.md 里要求显式点名 skill、— reviewer: manual 或 — effort: lite。
#11：自动化只存在于一个 Claude Code 会话里，没有常驻的监督进程。会话断掉后编排停止，要新开会话从 REVIEW_STATE.json 等状态文件续跑。
#465：2026-10-10 提出，问有没有 ARIS 做出的论文被接收。截至 2026-10-15 仍然 open，无人回答。
#430：Windows 上的 ARIS-Code CLI 多行粘贴会失控、停不下来（另见 #115、#124）。维护者在 v0.4.25 里修复后请 Windows 用户确认；2026-10-06 有一位用户在 Windows 11 的 Windows Terminal 里测试通过，cmd 窗口还没人测，issue 仍为 open。
PR #445（以及 #447、#450）：arXiv 有时对 Python 的 HTTP 客户端返回 406，verify_papers.py 把它当成“论文不存在”，有用户看到 38 篇真实论文中 47% 被标为幻觉引用。2026-09-28 修复；在那之前看到过可疑的幻觉率，可以用 --no-cache 重跑一次。
PR #423 等（#419–#425，2026-08-26 合并）：针对对抗式 AI 审稿人优化，产出了满篇 hedge、自我否定、像“认罪书”一样的论文文字，idea 也因为“有相近工作”被砍掉太多。修复后，放弃一个 idea 必须指出已经包含该结果的具体论文；论断强度要与证据匹配，泛泛的保留意见只放在 Limitations 里。

适合与不适合

适合

已经有具体的 ML 方向，或者想改进某篇论文及其代码；有自己的 GPU、Claude Code 和 ChatGPT 订阅；想要一个模块化的 co-pilot，而不是黑箱。
对初稿做对抗式批评（/auto-review-loop、/research-review），投稿前审论断、引用和证明，写 rebuttal。
只采用其中一个工作流，比如只用 /paper-writing 或 /rebuttal。
在 Codex、Cursor、Copilot CLI、Trae 等其他环境里使用。

不适合

期望“输入题目、输出被接收的论文”、全程无人监督。
审稿额度或 GPU 不充裕。
需要硬性保证的场景：skill 是提示词，执行模型可能跳步或即兴发挥（#284、#30）。
在 Windows 上用 ARIS-Code 独立 CLI。
需要稳定、可固定版本接口的团队：默认审稿模型约四个月里换了三次，codex-cli 0.154 的变动迫使所有用户重新注册审稿人。
含保密代码、又打开了仓库级审稿的项目：技术报告警告，代码会被发到外部 LLM API，仅在本地审稿的路径还没有实现。

结论

在原生组合 Claude Code 和 Codex 的开源方案里，ARIS 最成熟、维护最活跃、模块化程度最高。如果你已经有方向、有 GPU、有 Claude Code 和 ChatGPT 订阅，它是本调研的首选。
用法是有人把关的 co-pilot：AUTO_PROCEED: false、human checkpoint: true、effort: max，让审计真正起阻断作用，再跑 /integrity-forensics。这样它可以在一夜之间产出一份经过大量批评、相对干净的初稿。
它的宣传数字来自它自己拿来优化的同类 AI 审稿人；在两项独立评测里，它没有超过同模型的原生 Codex；也没有证据表明它无人监督的产出能通过真实同行评审。选题、评估协议、数字和引用的核对、最终判断，仍然要由人来做。

下一步：怎么选 pipeline · 有证据支持的推荐流水线