ARIS 睡眠式自动研究工作流，让编码 Agent 在你离线时自主完成文献调研、方法梳理与报告撰写，并用交叉模型审查保证结论可信。适合需要长期、严谨自动化研究的开发者与研究者。
ARIS（Auto-Research-In-Sleep）是一套基于技能的自动研究工作流，核心想法是：你睡前给 Agent 一个研究课题，它自主完成文献检索、资料梳理、方法论证与报告撰写，你醒来拿到成稿。它强调“方法论而非平台”，并以交叉模型审查（让另一个模型当 reviewer）来压制 AI 编造与自证偏差，让睡后产出的结论可信。
从课题出发，自动做文献与资料检索、建立研究 wiki 作为记忆、按审计螺旋逐段产出、交叉模型审查每部分、最后组装成带溯源的报告。研究 wiki 解决长任务里模型遗忘早期细节的问题。
把仓库作为技能加载进 Claude Code / Codex / Cursor 等客户端，给出研究课题与范围，触发对应技能后让它后台跑；你离线期间它持续推进，回来检查评审报告与成稿即可。
一方面由独立模型做 reviewer，对每段做盲审与否决；另一方面配套 Anti-Autoresearch 审计，检查 46 类造假手法与自一致性，输出可复核的报告，而不是依赖“像不像人写”的 detectors。
靠“交叉审查 + 审计追踪 + 溯源”三重机制：每段结论都能回溯到原始资料，reviewer 的异议写在报告里，造假信号被显式标记。你不能盲信，但能据此快速判断哪部分要人工复核。
官方适配 Claude Code、Codex CLI、Cursor、Trae、Antigravity、GitHub Copilot CLI、OpenClaw 与 DeepSeek Harness 等；对 Agent 也提供结构化的 AGENT_GUIDE.md，便于直接消费。
手动搜是一次性的问答，容易断、易漂、难复查。ARIS 把研究变成带记忆、带审查、带溯源的可复现流程，更适合需要严谨结论的中长线课题，而非随手查个知识点。
从课题出发，自动做文献与资料检索、建立研究 wiki 作为记忆、按审计螺旋逐段产出、交叉模型审查每部分、最后组装成带溯源的报告。研究 wiki 解决长任务里模型遗忘早期细节的问题。
把仓库作为技能加载进 Claude Code / Codex / Cursor 等客户端，给出研究课题与范围，触发对应技能后让它后台跑；你离线期间它持续推进，回来检查评审报告与成稿即可。
一方面由独立模型做 reviewer，对每段做盲审与否决；另一方面配套 Anti-Autoresearch 审计，检查 46 类造假手法与自一致性，输出可复核的报告，而不是依赖“像不像人写”的 detectors。
靠“交叉审查 + 审计追踪 + 溯源”三重机制：每段结论都能回溯到原始资料，reviewer 的异议写在报告里，造假信号被显式标记。你不能盲信，但能据此快速判断哪部分要人工复核。
官方适配 Claude Code、Codex CLI、Cursor、Trae、Antigravity、GitHub Copilot CLI、OpenClaw 与 DeepSeek Harness 等；对 Agent 也提供结构化的 AGENT_GUIDE.md，便于直接消费。
手动搜是一次性的问答，容易断、易漂、难复查。ARIS 把研究变成带记忆、带审查、带溯源的可复现流程，更适合需要严谨结论的中长线课题，而非随手查个知识点。