你的 AI 全能论文助手 | Your Complete AI Research Companion
由 OpenClaw 驱动 · Powered by OpenClaw
6 大核心能力，零 API Key，开箱即用的 AI 科研全流程助手。
6 core capabilities. No API keys. End-to-end AI research companion, out of the box.
|
Paper Scout 每天从 arXiv 自动发现最新论文，按你的研究画像智能排序，推送 Top 5–10。
触发： |
Paper Reader 发一个 arXiv 链接，AI 读完论文，基于 Deep Note 7-section 框架 生成结构化阅读笔记。
触发： arXiv 链接 / |
Reading List 维护你的论文待读/正在读/已读列表，一键生成 HTML 看板。
触发： |
|
Research Taste Profile 学习你的研究偏好，生成可视化研究画像页面，个性化一切推荐。
触发： |
Idea Generator 分析你已读的论文，找出研究空白，生成 3–5 个有可行性的研究灵感。
触发： |
Paper Writer 从灵感到草稿到回复审稿，覆盖论文写作全流程。
触发： |
把这句话发给你的 OpenClaw 代理：
帮我安装 ResearchClaw：https://raw.githubusercontent.com/AlphaLab-USTC/ResearchClaw/main/docs/install.md
就这一句话。 代理会自动下载、注册技能，无需任何手动操作。
还没有 OpenClaw？ 先访问 openclaw.ai 安装，再运行上面这句话。
推荐今日论文
📡 今日论文推荐 | Daily Paper Scout ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 🗓️ 2026-03-26 | 匹配兴趣: LLM · RL · Agentic AI
1️⃣ RLVR: Reinforcement Learning with Verifiable Rewards 👤 Zhang et al. (2026) 🏷️ cs.LG · cs.AI 💡 通过可验证奖励信号显著提升 LLM 数学推理能力 🎯 相关原因: 直接结合 RL + LLM reasoning，命中核心方向 🔗 https://arxiv.org/abs/2503.XXXXX ...
帮我读一下这篇：https://arxiv.org/abs/2503.19823
📝 Deep Note 完成 | AutoRefine ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 📌 AutoRefine: Search and Refine During Think 👤 Shi et al. | 📅 2025 | ⭐ 4/5 🔗 https://arxiv.org/abs/2503.19823
💡 核心发现： 在推理链中插入知识精炼步骤比单纯增加检索更有效 📊 关键数据： 2WikiMHQA EM 67.7, HotpotQA EM 55.3 ✨ 启发： 精炼检索到的知识比检索本身更重要
💾 笔记 → papers/2026-04-01_autorefine.md
想同时生成 HTML 页面？加 --html：
DNL https://arxiv.org/abs/2503.19823 --html
加入待读 https://arxiv.org/abs/2503.19823
✅ 已加入待读：AutoRefine | 共 7 篇待读
我的论文列表
📋 阅读列表已更新 → 打开 reading-list.html 查看看板 To Read: 5 篇 · Reading: 2 篇 · Done: 12 篇
给我一些研究灵感
💡 Research Idea 1: Adaptive Memory Retrieval for RL Agents 📋 Problem: 当前 RL agent 的记忆检索策略是静态的，无法根据任务难度动态调整... 🔧 Approach: 在 rollout 过程中，用 uncertainty estimation 决定何时检索记忆... 📚 Related: AutoRefine (推理时检索) · MemOCR (记忆布局感知) 🎯 Feasibility: 数据集现成，4×A100 × 3天，风险：检索延迟影响 rollout 速度
论文大纲：我想做一个 RL + Memory 的工作，针对 long-horizon agentic 任务
📄 论文大纲 | Paper Outline 📌 Working Title: MemRL: Memory-Augmented Reinforcement Learning for Long-Horizon Agents 🎯 Core Claim: 动态记忆检索机制显著提升 RL agent 在长程任务上的成功率 📍 Target Venue: NeurIPS 2026
(完整大纲展开)
rebuttal
[Reviewer 2: The comparison with baseline X is unfair because...]
📝 Rebuttal Draft Reviewer 2
R2.1: "The comparison with baseline X is unfair..." Response: We thank the reviewer for this concern. The comparison is fair because...
访问 alphalab-ustc.github.io/ResearchClaw 查看完整演示：
| 案例 | 描述 |
|---|---|
| 每日信号简报 | Paper Scout 多源聚合推送示例 |
| 论文阅读笔记 | Paper Reader HTML 笔记示例 |
| 研究方向分析 | Idea Generator 灵感生成示例 |
| 多智能体协作 | Paper Writer 写作辅助示例 |
安装后，直接告诉代理：
更新我的研究画像：我主要研究强化学习和多模态 agent，关注 RLVR 方向
或手动编辑 ~/.openclaw/workspace/research-claw-config.md：
research_direction: "PhD in LLM reasoning and agentic memory systems"
seed_papers:
- 2503.19823 # AutoRefine
keywords:
- reinforcement learning
- agentic memory
- long-context reasoning
whitelist_authors:
- Yaorui Shi
- An Zhang详见 配置指南
帮我设置每天早上 9 点自动推荐论文
代理会自动创建 OpenClaw cron 任务。✅
用户: 推荐今日论文
↓
读取 research-claw-config.md（研究画像）
↓
调用 arXiv 公开 API（免费，无需 Key）
↓
按个性化偏好评分排序
↓
返回 Top 5–10 论文速览
↓
用户反馈 → 自动更新研究画像
用户: 帮我读一下 arxiv.org/abs/XXXXX
↓
提取 arXiv ID → 获取元数据 + HTML 版本
↓
分析论文内容（Introduction, Method, Experiments）
↓
按 Deep Note 7-section 框架提取结构化信息
↓
输出 Markdown 笔记文件（默认）+ 聊天摘要
↓
（可选）生成 HTML 页面
零第三方依赖：只需 OpenClaw + 网络，不需要任何额外 API Key。
- 🦞 Built with OpenClaw — AI assistant platform
- 📄 Paper data from arXiv (free open-access API)
- 🧠 Created by AlphaLab@USTC (Yaorui Shi et al.)
Install (one line — send to your OpenClaw agent):
帮我安装 ResearchClaw：https://raw.githubusercontent.com/AlphaLab-USTC/ResearchClaw/main/docs/install.md
6 capabilities at a glance:
| Say this | What happens |
|---|---|
推荐今日论文 |
Daily arXiv paper recommendations, ranked by your profile |
帮我读一下 [arXiv link] |
Deep read → markdown deep note (+ optional HTML with --html) |
加入待读 [link] |
Add paper to your reading list |
我的论文列表 |
View & regenerate your HTML reading dashboard |
更新我的研究画像 |
Update research taste profile + visual HTML page |
给我一些研究灵感 |
Cross-paper analysis → 3–5 research idea proposals |
论文大纲 [idea] |
Generate structured paper outline |
写引言 / 写方法 |
Draft specific paper sections |
rebuttal [comments] |
Draft point-by-point reviewer responses |
No API key needed. Uses arXiv's free public API + OpenClaw's built-in tools. Zero third-party dependencies.
Check out our other projects:
- 🦀 PaperClaw — Automated paper collection and analysis toolkit
- 🛠️ OhMyCode — Code generation and repair benchmark
- 📚 Must-Read-LLM-Papers — Curated reading list for LLM research
Made with ❤️ for researchers · MIT License · alphalab-ustc.github.io/ResearchClaw