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

从想法到论文的全自主研究管道，灵感来自 AutoResearchClaw

元信息

• version: 1.0.0
• trigger: 研究管道、research pipeline、自动研究、想法到论文、研究 [课题]
• author: huo15
• compatibility: OpenClaw >= 1.0

功能概述

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。

核心流程

text

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

Phase 详细说明

Phase A: 研究范围定义

定义研究问题、目标、范围边界和成功标准。

输出：

• 研究问题（1-3 个核心问题）
• 研究目标（ SMART 格式）
• 范围边界（ in-scope / out-of-scope）
• 成功标准

Phase B: 文献发现与筛选

搜索相关论文、博客、技术报告，筛选高质量来源。

输出：

• 关键词列表
• 筛选出的文献列表（含标题、摘要、链接）
• 文献质量评分

Phase C: 知识综合与假设生成

整合文献发现，生成假设或研究问题。

输出：

• 知识图谱摘要
• 核心发现列表
• 假设 / 待验证命题

Phase D: 实验设计与执行

设计验证假设的实验方案，包括数据、方法和评估指标。

输出：

• 实验设计方案
• 数据需求
• 评估指标

Phase E: 结果分析

分析实验结果，生成洞察。

输出：

• 结果摘要
• 统计显著性（如适用）
• 洞察列表

Phase F: 论文撰写

按学术论文结构输出完整内容。

输出：

• 标题 + 摘要
• 引言
• 相关工作
• 方法
• 结果
• 讨论
• 结论
• 参考文献

使用方式

text

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：

text

用户: 自动研究 基于强化学习的机器人抓取策略

输出位置

所有研究产物保存至：

text

$HOME/.openclaw/agents/main/agent/kb/raw/research-{课题名}-{日期}/

结构：

text

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

人类在环（HITL）

每个 Phase 完成后，脚本会：

1. 显示该阶段产出摘要
2. 询问用户：继续下一步 / 调整参数 / 终止
3. 等待用户输入后执行下一阶段

调用示例

bash

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"

依赖

• 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）

注意事项

• 研究过程可能耗时较长，建议在空闲时运行
• 每个 Phase 的产出都会保存，中断后可从断点继续
• 论文撰写 Phase 会尽量保持学术规范，可直接提交或进一步编辑