Install
openclaw skills install huo15-research-pipeline从想法到论文的全自主研究管道,6阶段,含HITL,输出到Obsidian
openclaw skills install huo15-research-pipeline从想法到论文的全自主研究管道,灵感来自 AutoResearchClaw
将一个研究课题全自动推进至论文产出,涵盖范围定义、文献发现、知识综合、实验设计、结果分析与论文撰写。全程人类在环(HITL),每个 Phase 完成后等待用户确认。
用户: "研究 [课题]"
│
▼
┌─────────────────┐
│ Phase A: 范围定义 │ → 用户确认
└────────┬────────┘
▼
┌─────────────────┐
│ Phase B: 文献发现 │ → 用户确认
└────────┬────────┘
▼
┌─────────────────┐
│ Phase C: 知识综合 │ → 用户确认
└────────┬────────┘
▼
┌─────────────────┐
│ Phase D: 实验设计 │ → 用户确认
└────────┬────────┘
▼
┌─────────────────┐
│ Phase E: 结果分析 │ → 用户确认
└────────┬────────┘
▼
┌─────────────────┐
│ Phase F: 论文撰写 │ → 完成
└────────┬────────┘
▼
输出到 Obsidian
定义研究问题、目标、范围边界和成功标准。
输出:
搜索相关论文、博客、技术报告,筛选高质量来源。
输出:
整合文献发现,生成假设或研究问题。
输出:
设计验证假设的实验方案,包括数据、方法和评估指标。
输出:
分析实验结果,生成洞察。
输出:
按学术论文结构输出完整内容。
输出:
用户: 研究 大语言模型在代码补全任务中的性能评估
或直接说:
用户: 自动研究 基于强化学习的机器人抓取策略
所有研究产物保存至:
$HOME/.openclaw/agents/main/agent/kb/raw/research-{课题名}-{日期}/
结构:
research-{课题}-{日期}/
├── 00_scope.md # Phase A 输出
├── 01_discovery.md # Phase B 输出
├── 02_synthesis.md # Phase C 输出
├── 03_experiment.md # Phase D 输出
├── 04_analysis.md # Phase E 输出
├── 05_paper.md # Phase F 输出(完整论文)
└── log.txt # 执行日志
每个 Phase 完成后,脚本会:
继续下一步 / 调整参数 / 终止cd ~/.openclaw/workspace/skills/huo15-research-pipeline
./scripts/research.sh "大语言模型在代码补全任务中的性能评估"
openclaw CLI(用于 LLM 调用)curl(用于 Web 搜索)jq(用于 JSON 解析)obsidian-cli(可选,用于直接写入 Obsidian)