审计报告：ARIS (Auto Research In Sleep)
总体判定
- 判定：PASS
- 证据层级：L2
- 核心 L2 已完成：是（3 个模块）
- 网站推荐：idea-discovery 和 auto-review-loop 提供了结构化的科研自动化框架，Codex 适配版消除了外部 API 依赖。注意：完整端到端流程需 GPU 资源，交叉审稿需额外 overlay，产出需人工核验。
- 理由：ARIS 的核心模块（idea-discovery, auto-review-loop, paper-write）在 Codex 环境内逻辑完整、可直接使用。4 个 L2 任务覆盖了从 idea 生成到论文写作的核心链路，输出质量达到可用水平。
证据来源
- 证据任务：evidence/tasks.yaml
- 证据评分卡：evidence/scorecard.md
- 证据索引：evidence/evidence-index.md
- 用例运行日志：run-log.md
- 原始输出：outputs/
通用关卡
| 关卡 | 结果 | 证据 |
|---|---|---|
| 公开来源 | PASS | GitHub: wanshuiyin/Auto-claude-code-research-in-sleep |
| 版本固定 | PASS | main 分支 |
| 安装路径清晰 | PASS | install_aris_codex.sh 提供项目级安装 |
| 权限透明 | PASS | 各 skill 的 allowed-tools 标注完整 |
| 真实科研任务 | PASS | 4 个任务覆盖 idea 生成、审稿、实验设计、论文写作 |
| 非纯营销外壳 | PASS | 每个任务均有输入→输出→自审完整证据链 |
模块判定
| 模块 | 判定 | 核心声明 | 最高深度 | 证据 | 风险 |
|---|---|---|---|---|---|
| literature-discovery | PASS | 从研究方向生成结构化 idea | L2 | ld-01 | 文献搜索需网络 |
| research-writing | PASS | 审稿循环 + 论文段落撰写 | L2 | rw-01, rw-02 | 交叉审稿需 overlay |
| computational-modeling | PASS | 实验设计和执行计划 | L2 | cm-01 | 需 VASP 许可证和 GPU |
输出质量
| 输出 | 质量标签 | 证据 |
|---|---|---|
| Idea 报告（电催化 NO3RR） | author-ready | ld-01 |
| 审稿循环模拟（摘要审稿） | author-ready | rw-01 |
| 实验设计（DFT 缺陷工程） | author-ready | cm-01 |
| 论文段落（Cu 空位结果） | author-ready | rw-02 |
安全说明
- 网络：可能触发文献搜索（arXiv API），但以合成数据为主
- 本地文件读写：仅 outputs/
- 脚本执行：无
- API 密钥：无需外部 API 密钥
- 数据暴露：无 — 使用合成数据和公开研究方向
网站收录说明
最适合：有 GPU 计算资源、希望自动化文献调研→idea 生成→实验设计→论文写作流程的科研团队。不适合：纯实验化学家（计算密集型）、需要即用型产出而不愿人工核验的用户。安装难度：中（需 bash install_aris_codex.sh 脚本）。安全等级：中（审稿循环使用 Codex 内置，但完整流程可能触发网络搜索和脚本执行）。审核者备注：ARIS 是一个"框架"而非"工具"——它编排 AI agent 执行科研任务，质量取决于上游模型和用户提供的约束条件。