AutoR配置详解：自定义研究流程，满足个性化需求-北京尧图网络

AutoR配置详解自定义研究流程满足个性化需求【免费下载链接】AutoRAI handles execution, humans own the direction, and every run becomes an inspectable research artifact on disk.项目地址: https://gitcode.com/gh_mirrors/auto/AutoRAutoR是一款强大的AI驱动研究协作者它通过AI处理执行细节而人类掌控研究方向每次运行都会在磁盘上生成可检查的研究成果。本指南将详细介绍如何配置AutoR以满足您的个性化研究需求让研究流程更加高效和灵活。一、AutoR配置概览AutoR的设计理念是尽量减少配置的复杂性没有全局配置文件没有基于环境的配置文件系统也没有数据库。一个运行所需的所有信息都记录在该运行内部。主要有三个可配置项每运行设置—runs/run_id/run_config.json通过CLI标志设置并在恢复时保留。场地配置文件—templates/registry.yaml在各次运行之间共享。可选图表生成—configs/diagram_config.yaml或环境变量。二、运行环境要求在开始配置AutoR之前请确保您的系统满足以下要求要求用途Python 3.10所有功能claude在PATH中Claude Code使用--operator claude的真实运行以及所有Studio运行codex在PATH中Codex CLI使用--operator codex的真实运行LaTeX工具链pdflatex/latexmk第07阶段编译PDF — 仅在使用--output-format latex时需要默认的markdown模式不需要TeXpip install google-genai pyyaml仅用于--research-diagramAutoR本身没有第三方Python依赖。除了可选的图表功能外所有功能都运行在标准库上这就是为什么没有requirements.txt— 没有什么可放在里面的。设置AutoR时pip install从来都不是一个步骤。对于--fake-operator运行或测试套件不需要任何CLI后端。三、run_config.json配置详解每个运行根目录下都会生成run_config.json文件。完整的字段参考在 Run Artifacts。3.1 恢复时保留的内容当您恢复运行时AutoR会重用已记录的设置除非您覆盖它们。每个字段的优先级规则略有不同字段恢复时没有标志的情况下说明operator记录的值model记录的值如果您使用--operator切换后端且未指定--model则使用新后端的默认值而不是旧模型名称。记录的unknown也会回退到默认值。codex_sandbox记录的值venue记录的值output_format记录的值新运行默认为markdown。以latex开始的运行在恢复时保持latex除非--output-format另有说明。approval_mode记录的值--full-auto始终强制为agent。review_operator记录的值否则为operatorreview_model记录的值如果您传递--review-operator而没有--review-model则使用新审查者后端的默认值。created_at保留从不重写。有一件事不能按运行配置那就是运行目录本身--runs-dir是AutoR查找运行的位置因此它必须与运行所在的目录匹配。3.2 模型默认值后端默认模型claudesonnetcodexdefault--model接受别名sonnet、opus或完整模型名称AutoR将该值直接传递给后端CLI因此该CLI接受的任何值在这里都有效。四、场地注册表配置templates/registry.yaml保存第07阶段的场地元数据。AutoR仅存储元数据 — 它不提供官方样式包因此写作阶段会自行获取或重现样式。4.1 可用场地键显示名称类型样式包Bib样式引用样式页数限制参考文献计入限制neurips_2025NeurIPS 2025会议neurips_2025plainnatnatbib9否neurips_2026NeurIPS 2026会议neurips_2026plainnatnatbib9否iclr_2026ICLR 2026会议iclr2026_conferenceiclr2026_conferencenatbib9否icml_2026ICML 2026会议icml2026icml2026natbib8否cvpr_2026CVPR 2026会议cvprieee_fullnamenatbib8否acl_2026ACL 2026会议aclacl_natbibnatbib8否aaai_2026AAAI 2026会议aaai2026aaai2026natbib7是ieee_conferenceIEEE Conference会议IEEEtranIEEEtrancite6是ieee_journalIEEE Transactions / Letters期刊IEEEtranIEEEtrancite14是natureNature期刊—inline_or_manualnumeric8是nature_communicationsNature Communications期刊—inline_or_manualnumeric灵活是jmlrJournal of Machine Learning Research期刊jmlr2eplainnumeric灵活是默认值neurips_2025。4.2--venue的匹配方式resolve_venue_key接受以下任何一种注册表键 —iclr_2026显示名称 —ICLR 2026样式包名称 —iclr2026_conference匹配忽略大小写、空格和标点符号因此ICLR-2026和iclr 2026都能解析。未匹配的值会引发Unknown venue: value。在运行开始时设置场地。它会影响第07阶段的结构、页面预算和引用样式后期切换意味着重写手稿。4.3 添加场地将一个块追加到templates/registry.yamlmy_venue_2027: display_name: My Venue 2027 venue_type: conference # conference | journal official_url: https://... style_package: myvenue2027 # 与 main.tex 匹配表示无 bib_style: plainnat citation_style: natbib page_limit: 8 # 整数或 flexible refs_in_limit: false不需要代码更改 — 注册表在运行时读取。请注意解析器是_load_template_registry中一个小型专用的解析器src/utils.py而不是完整的YAML解析器像现有条目一样将条目保持为顶级场地键下的扁平key: value对。style_package是第07阶段工件门在main.tex中查找的内容。运行始终可以通过% AutoR venue: my_venue_2027注释覆盖检测。五、Web搜索配置可选第01阶段需要真实搜索。一些编码代理部署内置的WebSearch工具被禁用 — 特别是Vertex AI上的Claude Code— 这使得该阶段根本无法搜索。--web-search gemini改为通过Gemini的Google搜索基础路由搜索。有两个后端可用AutoR选择配置的那个# Vertex AI — 无需API密钥使用应用默认凭据 gcloud auth application-default login export GOOGLE_CLOUD_PROJECTyour-project python main.py --web-search gemini --goal ... # 或Gemini开发者API使用与图表生成相同的密钥 export GEMINI_API_KEY... python main.py --web-search gemini --goal ... # 该工具本身也可单独使用 python tools/web_search.py black hole superradiance constraints --json显式API密钥优先于VertexAUTOR_WEB_SEARCH_BACKENDvertex|api_key强制选择。在已运行Vertex上的Claude Code的机器上ANTHROPIC_VERTEX_PROJECT_ID作为最后的项目继承因此--web-search auto无需额外配置即可工作 — 这很重要因为这正是内置WebSearch工具被禁用的部署。auto默认值在配置密钥时使用Gemini否则回退到后端的原生搜索因此它从不宣传首次使用会失败的工具。详情在 ResearchClawBench → Web search。六、图表生成配置可选--research-diagram在第07阶段后使用Gemini API生成方法说明图并将其注入LaTeX论文。这是一项增强功能如果未配置该步骤会打印失败行运行继续。6.1 设置pip install google-genai pyyaml export GOOGLE_API_KEY... # 或 GEMINI_API_KEY或者代替环境变量cp configs/diagram_config.template.yaml configs/diagram_config.yaml # 然后填写 api_keys.google_api_keyconfigs/diagram_config.yaml被git忽略。api_keys: google_api_key: # 或 gemini_api_key defaults: model_name: gemini-2.5-flash max_critic_rounds: 2密钥解析顺序GOOGLE_API_KEY然后GEMINI_API_KEY然后配置文件中的api_keys.google_api_key然后api_keys.gemini_api_key。如果 none of them 设置该步骤会引发Gemini API key not found. Set GOOGLE_API_KEY or GEMINI_API_KEY ...。解析器位于src/web_search.py并与支持Gemini的网络搜索共享因此为一个功能配置的密钥对另一个功能也有效。如果未安装google-genai您将看到Diagram generation failed: No module named google— 运行的其余部分不受影响。七、环境变量AutoR本身读取的环境变量很少。变量读取者效果GOOGLE_API_KEYsrc/web_search.py用于--research-diagram和--web-search gemini的Gemini密钥。GEMINI_API_KEYsrc/web_search.py相同其次检查。AUTOR_WEB_SEARCH_MODELsrc/web_search.py支持Gemini的网络搜索模型。在Gemini API上默认为gemini-2.5-flash在Vertex AI上默认为gemini-3.6-flash。GEMINI_MODELsrc/web_search.py相同其次检查。AUTOR_WEB_SEARCH_BACKENDsrc/web_search.py强制vertex或api_key而不是自动检测。AUTOR_VERTEX_PROJECTsrc/web_search.py用于网络搜索的Vertex AI项目。回退到GOOGLE_CLOUD_PROJECT然后是ANTHROPIC_VERTEX_PROJECT_ID。AUTOR_VERTEX_LOCATIONsrc/web_search.pyVertex AI位置。回退到GOOGLE_CLOUD_LOCATION然后是global。TERMsrc/terminal_ui.pyTERMdumb禁用彩色输出。对CI日志和管道到文件很有用。其他所有内容 — API密钥、身份验证、模型访问 — 都属于claude或codexCLI并在那里配置而不是在AutoR中。八、文件系统位置路径默认值覆盖运行repo/runs/--runs-dir相对于存储库根目录解析Studio项目索引repo/.autor/projects.jsonpython studio.py --metadata-root提示模板repo/src/prompts/—从Studio中的--repo-root派生场地注册表repo/templates/registry.yaml—图表配置repo/configs/diagram_config.yaml—runs/、.autor/和configs/diagram_config.yaml都被git忽略。九、硬编码限制这些是src/utils.py中的常量而不是设置。如果必须请在源代码中更改它们并期望测试有意见。常量值含义MAX_STAGE_ATTEMPTS5阶段升级到您之前的默认尝试次数。这个可以按运行覆盖使用--max-attempts。DEFAULT_VENUEneurips_2025省略--venue时的场地。DEFAULT_CODEX_SANDBOXworkspace-write未指定时的Codex沙箱。阶段超时14400 s每次尝试的上限 — 这是一个标志--stage-timeout。切换窗口4个阶段有多少先前的切换摘要进入提示。通过以上配置您可以根据自己的研究需求灵活地自定义AutoR的各种设置使其更好地服务于您的研究项目。无论是场地设置、模型选择还是图表生成AutoR都提供了简单而强大的配置选项让您能够轻松掌控研究流程。【免费下载链接】AutoRAI handles execution, humans own the direction, and every run becomes an inspectable research artifact on disk.项目地址: https://gitcode.com/gh_mirrors/auto/AutoR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

AutoR配置详解：自定义研究流程，满足个性化需求

相关推荐

soas项目网络请求机制解析：Volley框架的高效应用

Manopth核心组件解析：ManoLayer如何实现手部姿态与形状的微分映射

AIS-catcher Python库入门：从NMEA解码到JSON数据处理

更多资讯

Elasticsearch连接超时排查：从localhost到9200的完整解决路径

SAP-PP替代物料操作全指南：从BOM维护到MRP运算的避坑实践

Excel公式结果不对？用F9键和公式求值一步步拆解中间结果

ScanNet ScannerApp 实战指南：用 Structure Sensor 采集 RGB-D 数据、五种数据格式与上传机制详解

Tableau标靶图实战：四层结构与LOD归一化构建法

Ghidra 10 Windows 安装避坑指南：JDK绑定与路径规范

今日更新

小波包能量谱原理与MATLAB实现：从频带分解到故障特征提取

基于LSTM的网易云音乐评论情感分析：数据清洗与模型调优实战

Alpha-Beta剪枝与极大极小值算法：博弈树搜索原理与实战优化

本周精选

交通拥堵预测毕设：基于Python+LSTM的车辆流量预测系统全流程解析

MATLAB/Simulink搭建10机39节点电力系统暂态稳定仿真实战

无人机航拍三维重建全流程：从SfM到网格生成的避坑指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？