● Comunidade
wanshuiyin
⚡ Instantâneo
ARIS (Auto-Research-In-Sleep)
por wanshuiyin · wanshuiyin/Auto-claude-code-research-in-sleep
Skills que transformam um agente de codificação LLM em um pesquisador autônomo de ML — descoberta de ideias, loops de revisão entre modelos, automação de experimentos noturnos.
ARIS (Auto-Research-In-Sleep) é um bundle de skills em Markdown puro para pesquisa autônoma de ML. Projetado para rodar sem supervisão — tipicamente durante a noite — e produzir uma pilha de candidatos de pesquisa avaliados, resultados de experimentos e notas de revisão. Sem lock-in de framework: as skills funcionam com Claude Code, Codex, OpenCode e qualquer agente que carregue skills em markdown. Construído para pesquisadores solo e laboratórios pequenos que querem que computação e raciocínio se acumulem enquanto dormem.
Por que usar
Principais recursos
- Descoberta de ideias com revisão entre modelos (consenso multi-LLM)
- Automação de experimentos — escrever, executar, avaliar, iterar
- Loops de revisão para filtrar outputs de baixa qualidade
- Somente Markdown — sem framework opaco, fácil de fazer fork
- Funciona com qualquer harness de agente
Demo ao vivo
Como fica na prática
pronto
Casos de uso
Usos do mundo real: ARIS (Auto-Research-In-Sleep)
Quando usar: Você tem uma direção de pesquisa e 12 horas; quer acordar com experimentos candidatos.
Pré-requisitos
- Acesso a computação (GPU/nuvem) para experimentos — ARIS agenda; você fornece o runner
Fluxo
-
Definir escopo
Use ARIS. Objetivo: explorar variantes de fine-tuning eficiente em parâmetros para LLMs pequenos. Orçamento: 12h, 5 ideias, 2 experimentos por ideia.✓ Copiado
→ Plano com orçamentos por etapa
-
Descobrir
Gere 10 ideias candidatas. Revise entre si. Mantenha as 5 melhores.✓ Copiado
→ Lista de ideias classificadas com críticas
-
Executar
Para cada ideia principal, crie um experimento, execute-o, registre as métricas. Pare quando o orçamento for esgotado.✓ Copiado
→ Experimentos concluídos; métricas registradas
Resultado: Relatório matinal: ideias classificadas com sinal experimental real.
Armadilhas
- O uso de computação sai do controle — Limites rígidos por orçamento de experimento; ARIS os respeita
Quando usar: Você precisa mapear as alegações e lacunas de uma subcampo.
Fluxo
-
Definir escopo
Varra artigos de 2024–2026 sobre híbridos difusão-LM. Extraia contribuições alegadas e benchmarks.✓ Copiado
→ Tabela de alegações
-
Criticar
Revise as alegações entre si. O que é contraditório ou subtestado?✓ Copiado
→ Análise de lacunas
Resultado: Mapa da subcampo com lacunas concretas de pesquisa.
Armadilhas
- Citações alucinadas — ARIS inclui uma etapa de verificação — combine com MCP do arxiv para verificação de base
Combinações
Combine com outros MCPs para 10× de alavancagem
Digest de literatura antes / após a pesquisa
Use NotebookLM para digerir artigos relacionados; ARIS para projetar experimentos.✓ Copiado
Persistir artefatos de experimento em /research/<run-id>/
Salve todos os logs e resultados em /research/2026-05-03/.✓ Copiado
Custo e limites
O que custa rodar
- Cota de API
- Tokens + computação — ambos podem ser substanciais
- Tokens por chamada
- Descoberta de ideias e revisão cruzada são pesadas em tokens
- Monetário
- Skill gratuita; você paga pela computação e uso do modelo
- Dica
- Defina limites rígidos de token / computação na etapa de planejamento
Segurança
Permissões, segredos, alcance
Escopos mínimos: Acesso ao runner de computação Acesso de leitura aos dados
Armazenamento de credenciais: Externo — gerenciado pelo seu runner
Saída de dados: Depende da configuração do seu modelo/runner
Nunca conceda: Dados de produção para loops de pesquisa autônomos
- Experimentos autônomos — revise todo código gerado antes de deixá-lo rodar em sistemas reais
Solução de problemas
Erros comuns e correções
Loops sem convergir
Reduza o orçamento; ARIS respeita os limites e para
Revisão cruzada converge para um único ponto de vista
Diversifique os modelos revisores; se todos forem da mesma família, você terá visões correlacionadas
Experimentos falham silenciosamente
Melhore o relatório de erros do runner; ARIS registra mas não pode corrigir runners ruins
Alternativas
ARIS (Auto-Research-In-Sleep) vs. outros
| Alternativa | Quando usar | Troca |
|---|
| Experimentos executados manualmente | Você precisa de controle total | Não escala além das suas horas |
| Plataformas AutoML hospedadas | Você quer computação gerenciada + UI | Menos flexibilidade; custo |