Auto-claude-code-research-in-sleep (ARIS ⚔️🌙)

· · · · · · · · 💬 加入社区 ·

💡 你可以将 ARIS 作为一种基于技能的工作流，用于 Claude Code / Codex CLI / Cursor / Trae / Antigravity / GitHub Copilot CLI / OpenClaw，也可以直接使用完整的独立 CLI —— 以任何你喜欢的方式使用！

🌱 ARIS 是一种方法论，而非单一平台。核心在于研究工作流——无论你身处何地，它都能随之而动。

🔥 ARIS 原生适配任何 Agent 的 ultracode 深度模式 —— 广度/火力评估适配运行环境（Claude Code ultracode + Opus 4.8 工作流，Codex spawn_agent，或简单的顺序执行），为三个角色提供输入：广度 · 跨模型评审 → 准确性 · 研究 Wiki → 记忆。 无论循环如何驱动，它都向同一个跨模型评审团 + 研究 Wiki 汇报 —— 它负责驱动，永远不被豁免。

🤖 AI Agents： 请直接阅读 AGENT_GUIDE.md —— 该文件专为 LLM 读取而结构化，并非为人类浏览设计。

🚀 超越科研 → 任何“研究”： ARIS-Anything 将 ARIS 的五步循环（规划 / 草稿 / 对抗评审 / 迭代 / 持久化）扩展到非学术类的结构化研究场景——如投资尽调、法律研究、市场研究、自驱学习、调查新闻、工程复盘等。

🎯 准备 2026 AI 秋招？ → 🌐 ARIS-in-AI-Offer · GitHub repo · 中文 README —— 包含 23 篇双语 ML / LLM / 多模态 / 生成式 / Agent 面试备忘录，每篇包含：公式推导 + 从零实现 PyTorch + 25 道高频面试题（L1 / L2 / L3），全部由 ARIS 的 /render-html 自动生成。祝愿大家的秋招之旅更轻松 🌱

📖 来自 Diffusion Foundations 备忘录 的预览 —— ARIS-in-AI-Offer 中的每篇教程都遵循相同的三支柱结构（基础知识 / 面试问答 / 可运行代码）。

🌐 同样的工作流，不同的产物 —— ARIS-Homepage v1 在线演示（通过 /homepage-generator 将简历转换为经过事实核查的单文件学术主页）。

📝 两篇长篇博客，通过 /render-html 进行跨模型协同写作 —— Continuous DLM — 2026 H1 调研 · Cosmos 3 — 理解与生成合二为一的 Transformer (MoT)。

🛰 社区推荐 · Claude Fleet（由 @tianyilt 开发）—— 一个本地只读数据仪表盘，用于同时监控你开启的多个 Claude Code / Codex 窗口：分类管理（谁在工作 / 谁在等待授权 / 任务完成）· 一键 Focus 跳转至对应终端 · ~50ms 全文搜索所有会话记录 · 技能 / 内存使用量分析。对于像 ARIS 这样动辄并行运行多个 Agent 的工作流特别适用。如果觉得好用，请点个 ⭐

🪟 更轻量级的方案 · ARIS-Monitor —— 不想打开浏览器？ARIS 自带一个 macOS 置顶悬浮小窗（纯 Python 标准库，无需浏览器 · 无需 Chrome 扩展）：仅监控“哪个会话在等你授权” 🔴，点击对应行即可直接跳转到该终端。Claude Fleet = 全功能网页看板；ARIS-Monitor = 同一思路的极简常驻版，各取所需。

在 5 秒内运行 ARIS-Monitor

# 本仓库自带此工具 — 无需额外克隆，无需 pip 安装，无需浏览器：
cd aris-monitor && ./run.sh