NanoResearch

Сквозной автономный AI-движок для научных исследований — от идеи до готовой статьи, полностью автоматически

🔬 NanoResearch реально запускает вычислительные эксперименты — он не просто генерирует код, но и отправляет его на GPU-кластер для обучения, собирает реальные результаты, создаёт иллюстрации для статьи и в итоге выдаёт полноценную LaTeX-статью, подкреплённую экспериментальными данными. Каждое число, таблица и график в статье получены из реально выполненных экспериментов, а не придуманы LLM.

📖 Содержание

• 📊 Демонстрация реальных статей
• ⚡ CLI-демо
• 📢 Последние обновления
• ✨ Ключевые возможности
• 🆚 Почему NanoResearch
• 🎯 Сценарии применения
• 🖼️ Примеры результатов
• CLI: стандартный вывод vs TUI
• 🔬 Пайплайн
• 📦 Быстрый старт
• 🧩 Режим Claude Code
• ⚙️ Конфигурация
• 💻 Справочник CLI
• 🍪 Примеры и демо
• 📂 Структура вывода
• 💬 Feishu-бот
• 🏗️ Структура проекта
• ❓ Частые вопросы
• 🎯 Дорожная карта
• 📋 Требования к окружению
• 🙏 Благодарности
• 🤝 Участие в разработке
• 📝 Цитирование
• 📄 Лицензия

📊 Демонстрация реальных статей

Ниже представлены реальные иллюстрации из статей, автоматически сгенерированных NanoResearch. Все данные, кривые и таблицы получены из реально выполненных экспериментов — LLM ничего не выдумывал.

Все иллюстрации сгенерированы пайплайном автоматически; данные взяты из реальных логов обучения и результатов экспериментов.

⚡ CLI-демо

CLI NanoResearch предлагает два режима отображения: полноэкранный TUI и классический потоковый лог. Ниже — демонстрационное видео TUI-интерфейса CLI (переключение тем и оптимизация компоновки). Другие точки входа (Claude Code, Feishu-бот) описаны в соответствующих разделах документации.

Почему NanoResearch

🎯 Сценарии применения

• Прототипирование научных идей — быстро превратить исследовательскую идею в полноценное рабочее пространство с экспериментами и статьёй
• Автономные эксперименты — система автоматически генерирует код, отправляет задачи на GPU-обучение и анализирует результаты
• Массовая генерация бенчмарков — запуск по множеству тем с получением воспроизводимых результатов
• Черновик статьи — генерация LaTeX-черновика на основе реальных экспериментальных данных для ускорения написания
• Аудит исследовательского процесса — полное рабочее пространство, промежуточные артефакты и логи для отслеживания каждого шага

🖼️ Примеры результатов

CLI: стандартный вывод vs TUI

CLI поддерживает два режима: классический потоковый лог (без TUI) и полноэкранные TUI-панели — переключайтесь по удобству.

Примеры вывода

🔬 Пайплайн

NanoResearch реализует 9-этапный глубокий пайплайн, охватывающий весь цикл научного исследования:

📦 Быстрый старт

Установка

git clone https://github.com/OpenRaiser/NanoResearch.git
cd NanoResearch
pip install -e .

Базовое использование

# Запуск с темой исследования
nano-research run --topic "Your research topic here"

# Запуск с TUI-интерфейсом
nano-research run --topic "Your research topic" --tui

# Возобновление с точки останова
nano-research run --resume --workspace ./output/workspace_id

🧩 Режим Claude Code

NanoResearch поддерживает запуск через Claude Code как MCP-скилл. Это позволяет управлять всем исследовательским пайплайном прямо из интерфейса Claude Code.

Подключение через MCP

# Установка скилла
claude plugin install nano-research

Использование в Claude Code

После установки можно запускать исследовательский пайплайн командами в чате Claude Code:

Claude Code автоматически вызовет NanoResearch и проведёт весь цикл от идеи до статьи.

⚙️ Конфигурация

Основные настройки задаются в файле config.yaml:

# Настройки модели
model:
  primary: claude-3-5-sonnet-20241022
  fallback: claude-3-haiku-20240307

# Настройки выполнения
execution:
  mode: local  # local | slurm
  gpu_count: 1
  timeout: 3600

# Настройки вывода
output:
  dir: ./outputs
  format: latex  # latex | markdown

💻 Справочник CLI

📂 Структура вывода

💬 Feishu-бот

NanoResearch поддерживает интеграцию с Feishu (Lark) для получения уведомлений о ходе выполнения и управления пайплайном через мессенджер.

Настройка

# В config.yaml
feishu:
  enabled: true
  webhook_url: "https://open.feishu.cn/open-apis/bot/v2/hook/xxx"
  notify_on:
    - stage_complete
    - error
    - pipeline_complete

📋 Требования к окружению

• Python 3.10+
• CUDA-совместимый GPU (для локального выполнения экспериментов)
• Anthropic API ключ
• Опционально: SLURM-кластер для распределённого выполнения

Переменные окружения

export ANTHROPIC_API_KEY="your-api-key"
export SEMANTIC_SCHOLAR_API_KEY="your-key"  # опционально

🙏 Благодарности

Проект вдохновлён работами в области автоматизации научных исследований и опирается на следующие инструменты и сервисы:

• Anthropic Claude — основная языковая модель
• OpenAlex — открытый каталог научных работ
• Semantic Scholar — поиск научной литературы
• LaTeX — система вёрстки научных статей

🤝 Участие в разработке

Вклад в проект приветствуется! Пожалуйста, ознакомьтесь с CONTRIBUTING.md перед отправкой pull request.

# Форк репозитория и создание ветки
git checkout -b feature/your-feature-name

# После внесения изменений
git commit -m "feat: описание изменений"
git push origin feature/your-feature-name

📝 Цитирование

Если вы используете NanoResearch в своих исследованиях, пожалуйста, процитируйте:

@software{nanoresearch2024,
  title={NanoResearch: The Autonomous AI Research Assistant},
  author={OpenRaiser},
  year={2024},
  url={https://github.com/OpenRaiser/NanoResearch}
}

📄 Лицензия

Распространяется по лицензии MIT. Подробности в файле LICENSE.