人工智能AI 技能/插件深度研究知识图谱MCP 服务【免费下载链接】AutoSciKarpathys LLM-Wiki vision, fully realized — wiki-centric full-lifecycle AI research platform powered by Claude Code项目地址https://gitcode.com/gh_mirrors/om/AutoSci点击查看免费下载AutoSci是一个以 wiki 为核心的全生命周期 AI 科研平台其中的文献发现功能/discover与/daily-arxiv能自动从数千篇 arXiv 新论文和大型会议论文集中按你的研究兴趣挑出最值得读的十几篇并给出每篇推荐理由——你只管读不用再刷列表。 为什么你需要一个文献发现工具读文献是科研中最耗时的环节之一arXiv 每天新增上千篇论文靠肉眼筛选根本看不过来NeurIPS、ICLR 等大会议一场就有7000 篇左右的论文集翻目录能翻到眼花更糟的是看了很多不等于看了对的——你需要的只是与你研究方向真正相关的那十几篇。AutoSci 的解法是把你的研究知识沉淀在本地 wiki 里论文页、概念、方法、想法然后让两个技能/discover和/daily-arxiv基于这些兴趣画像来挑论文。 两个技能的分工很清晰/discover回答接下来该读什么/daily-arxiv盯着今天 arXiv 又上新了什么。 /discover四种模式回答接下来读什么/discover会根据你的提问方式自动选择四种 seed 模式之一详见 SKILL.mdAnchor 模式从一篇具体论文出发你说找和 LoRA 相似的论文或者刚/ingest完一篇论文想看它周围还有什么。模式会为每个 anchor 论文同时跑三条通道recommend语义相似论文最新邻居references这篇论文引用的经典老工作它站在谁的肩膀上citations引用它的高影响力后续工作三者合起来等于一次真正的文献图游走语义邻居 祖先 后代。还支持--negative传入不要这些的负例。Topic 模式从一个方向关键词出发只有关键词没有具体论文时扩散模型微调方向都写了些什么会走 S2 搜索 DeepXiv 搜索再排序。Wiki 模式完全开放式提问只问接下来该读什么/discover会自动取你 wiki 中最近修改过的论文页作为 anchor——它隐式地偏向你最近在做的东西通常正是你想要的。Venue 模式从 7000 篇会议论文中挑出必读的 12 篇 这是标题里7000 挑 12的来源。运行/discover --venue iclr --year 2024支持 NeurIPS、ICLR、ICML 等会议它会拉取该会议/年份的完整论文列表约 7000 篇的 proceedings基于你 wiki 里的 papers、concepts、topics 构建本地相关性语料库按相关性排序输出十几篇真正与你研究方向相关的论文每篇附带推荐理由关联到你已经在跟踪的主题和方法。不需要新 API key也不会对你的 wiki 产生任何写入——得到的只是一份排序好的阅读清单。排序靠什么打分逻辑在 tools/discover.py详细规则见 ranking-signals.md。主要信号信号作用影响力引用数论文在领域内的整体声望Anchor-influence 边这篇论文是否具体地构建了 anchor 之上比总引用数更尖锐多 anchor 命中多个 anchor 同时指向的论文大概率在交集上通道多样性同时出现在多个通道的候选是邻域核心论文新鲜度轻微加分新 ≠ 更好值得注意的是它故意不偏 survey——你的 wiki 已经有一定积累时再来一篇综述只会制造噪音。 /daily-arxiv每日 arXiv 推荐 feed/daily-arxiv监听最新的 arXiv 论文流默认最近 24 小时。一次典型运行会扫描近 900 篇新论文去重后交给 LLM 基于你的 wiki 兴趣画像做最终判断产出 digest它的流水线是LLM-first确定性工具先构建 evidence packetarXiv 元数据 wiki 画像 Semantic Scholar DeepXiv 信号再由 LLM 给出每条决策——strong_recommend/maybe/skip/ingest并附置信度和理由见 SKILL.md。两种模式安全性各不同inform默认只推荐、只通知绝不改动你的 wikiauto-ingest显式开启只有decision: ingest且confidence: high的论文才会自动调用/ingest且受max_auto_ingest上限约束默认 1 篇/天宁缺毋滥。配置很简单从 config/daily-arxiv.yml.example 复制一份改一下关注的分类和时间窗即可mode: inform hours: 24 categories: [cs.LG, cs.CV, cs.CL, cs.AI, stat.ML] max_recommendations: 10 email: enabled: true schedule: enabled: true cron: 17 0 * * *配合 GitHub Actions每天定时跑一次并把 digest 发到邮箱睡一觉起来就能看到今天最值得读的论文。部署细节参考 docs/daily-arxiv-deployment.md本地执行逻辑在 tools/daily_arxiv.py。⚖️ /discover 与 /daily-arxiv 的分工维度/discover/daily-arxiv触发方式你主动提问手动运行 / 每日定时论文来源已有文献图S2/会议列表最近 N 小时的 arXiv 新论文流会不会 ingest永远不会仅显式auto-ingest模式下适合场景帮我补全某篇论文周围的文献今天有什么值得看的新东西在 AutoSci 的五阶段科研流程中两者都属于第一阶段文献环节见 fig-sciflow.png下游是想法、实验、写作和 rebuttal——而它们产出的候选最终都会通过唯一的纳入路径/ingest进入你的 wiki形成记忆闭环。 快速上手git clone https://gitcode.com/gh_mirrors/om/AutoSci cd AutoSci ./setup.sh --lang zh启动 Claude Code 后先跑/init [你的研究方向]建立研究记忆然后就可以对某篇论文说找它周围的相关工作 → 触发/discover裸输入/daily-arxiv立即跑一次推荐或/daily-arxiv setup配置每日定时 feed看中哪篇一句/ingest arxiv-url入库。相关技能文档都在 i18n/zh/skills/ 下discover 技能、daily-arxiv 技能。让机器刷列表把注意力留给真正值得精读的 12 篇 赞分享人工智能AI 技能/插件深度研究知识图谱MCP 服务【免费下载链接】AutoSciKarpathys LLM-Wiki vision, fully realized — wiki-centric full-lifecycle AI research platform powered by Claude Code项目地址https://gitcode.com/gh_mirrors/om/AutoSci点击查看免费下载相关推荐AutoSci知识图谱入门/init与/ingest如何把20篇论文变成结构化研究记忆AutoSci知识图谱入门/init与/ingest如何把20篇论文变成结构化研究记忆 AutoSci 是一个 wiki 优先wiki centric的人工智能AI 技能/插件深度研究知识图谱MCP 服务console-powers与TypeScript完美集成类型安全的控制台调试console powers与TypeScript完美集成类型安全的控制台调试 console powers是一个专为开发者打造的轻量级工具库它能帮助你创建革命性AI科研智能体AutoSci读论文、做实验、写论文的全生命周期自动化一篇看懂革命性AI科研智能体AutoSci读论文、做实验、写论文的全生命周期自动化一篇看懂 AutoSci 是一个由 Claude Code 驱动的 全生命周期 A人工智能AI 技能/插件深度研究知识图谱MCP 服务创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考