摘要
Autoresearch 的主要进展大量发生在开源工程而非论文中。当前生态已经从单文件、单指标的 overnight loop，扩展出可恢复 runtime、并行 worker、独立 reviewer、实验版本管理、领域 verifier、研究知识层和诚信审核层。（综合：Autoresearch GitHub 开源生态审计）
核心内容
范围与问题
本页追踪能够改变代码或研究产物、真实执行、按证据接受/回滚并保留跨轮状态的开源项目，也纳入对闭环有直接约束作用的研究输入与审核工具。普通文献聊天、一次性论文生成和只有 README 的薄封装不进入核心名单。
准入门槛
- 核心名单要求核实时至少 50 GitHub stars，并记录快照日期。
- 还必须有实际代码或可验证协议、近三个月公开活动、清晰的闭环角色，以及非镜像/非薄封装证据。
- 许可证不明确时不得列为可复用核心；论文官方仓库可以作为论文来源关联保留，但不因论文身份自动越过项目门槛。
- stars 不是质量分。验证门、可恢复性、权限隔离、测试/CI、负结果和 artifacts 比热度更能决定研究可信度。（综合：Autoresearch GitHub 开源生态审计）
主要脉络
| 层次 | 代表项目 | 主要职责 | 关键边界 |
|---|---|---|---|
| 最小实验闭环 | [[wiki/entities/karpathy autoresearch | karpathy autoresearch]]、[[wiki/entities/pi-autoresearch | pi-autoresearch]]、[[wiki/entities/Agent Loop Skills |
| 完整研究 runtime | [[wiki/entities/EvoMap AutoResearch | EvoMap AutoResearch]]、[[wiki/entities/EurekAgent | EurekAgent]]、[[wiki/entities/Argus |
| 实验室研究工作台 | [[wiki/entities/Polaris | Polaris]] | 文献、选题、远程实验、写作、审稿与多人治理 |
| 并行研究组织 | [[wiki/entities/Onyx Agent | Onyx Agent]] | worker 隔离、实验预算、扩缩容与 Git 结果 |
| 领域执行器 | [[wiki/entities/AutoGuardrails | AutoGuardrails]]、[[wiki/entities/ATReX Kernel Agent | ATReX Kernel Agent]] |
| 研究输入与记忆 | [[wiki/entities/Principia | Principia]] | 有来源的 Principle、假设构造与版本化知识 |
| 研究证据与审核 | [[wiki/entities/Agent-Native Research Artifact | Agent-Native Research Artifact]]、[[wiki/entities/Anti-Autoresearch | Anti-Autoresearch]]、[[wiki/entities/AutoResearchEval |
| 科研工具与技能 | [[wiki/entities/ToolUniverse | ToolUniverse]]、[[wiki/entities/Scientific Agent Skills | Scientific Agent Skills]] |
| 历史谱系 | [[wiki/entities/AI Scientist | AI Scientist]] | 从模板化端到端流程演变到 agentic tree search |
综合结论
program.md式自治只是起点；成熟实现逐渐把 acceptance、正确性检查、budget、状态和停止条件从模型文字承诺移到机械控制层。（来源：Autoresearch GitHub 开源生态审计）- “更多 Agent”不是主要分水岭。更关键的是 proposal、executor、reviewer 和 evaluator 是否有独立权限，以及 reviewer 的否决能否真正阻断 keep。（综合：Autoresearch GitHub 开源生态审计、Argus: A General-Purpose Agentic Reasoning Runtime for Long-Horizon Tasks）
- 工程生态正在拆出专门的 research memory、experiment Git 和 integrity tooling；这意味着 autoresearch 应被理解为一组可组合控制面，而不是单个万能 AI Scientist。（综合：本页来源）
- 扩大到 AI Scientist、scientific agent 与 research artifact 等同义检索后，可以看到研究 runtime 之外已经形成工具、领域 skill、证据结构和实验室工作台；入库时必须保留这些层次，不能因高 stars 就都算作 autoresearch executor。（综合：AI Scientist GitHub 开源项目回溯）
分歧与适用边界
开源仓库常把自动写论文、自动检索或长时间运行也称作 autoresearch。本页采用更窄边界：至少存在“可编辑对象 -> 执行/观察 -> 评估 -> 接受/回滚 -> 状态更新”。输入层和审核层可以纳入生态，但必须显式标成相邻组件。
相关页面
- 概念：Autoresearch、Harness Engineering、Harness Optimization、Self-Improving Harness、Execution-Based Agent Evaluation
- 实体：karpathy autoresearch、pi-autoresearch、EvoMap AutoResearch、Agent Loop Skills、AutoGuardrails、ATReX Kernel Agent、Onyx Agent、EurekAgent、Argus、ARIS、EvoScientist、Arbor、Polaris、Agent-Native Research Artifact、ToolUniverse、Scientific Agent Skills、AI Scientist、Principia、Anti-Autoresearch、AutoResearchEval
- 相关主题：LLM Agent Self-Improvement、AI Agent Failure Analysis
- 来源摘要：Autoresearch GitHub 开源生态审计、AI Scientist GitHub 开源项目回溯、EurekAgent: Agent Environment Engineering is All You Need for Autonomous Scientific Discovery、Argus: A General-Purpose Agentic Reasoning Runtime for Long-Horizon Tasks
来源
- Autoresearch GitHub 开源生态审计
- AI Scientist GitHub 开源项目回溯
- EurekAgent: Agent Environment Engineering is All You Need for Autonomous Scientific Discovery
- Argus: A General-Purpose Agentic Reasoning Runtime for Long-Horizon Tasks
待核实问题
- 哪些项目能在同一公开任务、预算和 evaluator 下通过第三方复现，仍缺统一 benchmark。
- 50-star 门槛需要随生态规模定期复核，但历史页面应保留当时快照与准入理由。