smallnest/autoresearch
smallnest/autoresearch — dự án mã nguồn mở — đang có 567 sao GitHub. autodevelop： autoresearch for software development
Tóm tắt dựng từ metadata GitHub của chính dự án — chưa có bài review TopGit. Trang sẽ tự động cập nhật khi bài review đầy đủ được xuất bản.
TopGit viết bài đầy đủ cho repo có nhiều sao nhất và được yêu cầu nhiều nhất. Trang này là snapshot trong thời gian chờ — xem README gốc ở tab READ ME.
Snapshot
Cộng tác viên hàng đầu
Xem cộng tác viên hàng đầu
Autoresearch for Software Development
全自动化软件开发工具，你只需负责喝茶和睡觉。 一觉醒来，Features 全自动高质量的实现了。
基于 karpathy/autoresearch 思想实现的通用的全自动化开发工具。支持 GitHub Issue、本地 Issue 和百度 iCafe 四种模式，适用于任意 Git 项目（Go、Node.js、Python、Rust、Java 等）。
使用 autoresearch 实现本项目 Issue#2：
目录
- 快速开始
- 前置条件
- 项目架构
- 工作流程
- 本地 Issue 模式
- 百度 iCafe 模式
- 阿里云效 Codeup 模式
- 工具配置
- 与 ralph 对比
快速开始
# 下载项目
git clone [email protected]:smallnest/autoresearch.git
# 处理当前目录项目的 Issue#10
autoresearch/run.sh 10
# 处理指定目录项目的 Issue#10
autoresearch/run.sh -p /path/to/project 10
# 指定最大迭代次数为 16 次
autoresearch/run.sh -p /path/to/project 10 16
# 调整达标线为 90 分
PASSING_SCORE=90 autoresearch/run.sh 10
# 指定全局 model（所有 agent 使用 opus）
AGENT_MODEL=opus autoresearch/run.sh 10
# 单独指定某个 agent 的 model（优先级高于 AGENT_MODEL）
AGENT_MODEL=opus AGENT_MODEL_CLAUDE=sonnet autoresearch/run.sh 10
# 指定启用的 agents 及顺序（首个 agent 做初始实现）
autoresearch/run.sh -a claude,codex 10
# 继续处理 Issue#42，追加 10 次迭代
autoresearch/run.sh -c 42 10
# 处理本地 Issue #8（从 .autoresearch/issues/ 读取）
autoresearch/run.sh --issues-dir=.autoresearch/issues 8
# 百度 iCafe 模式（卡片 #22210）
autoresearch/run.sh --issue-source=baidu --space=cloud-iCafe 22210
# 阿里云效 Codeup 模式（Issue #42）
autoresearch/run.sh --issue-source=codeup --codeup-token=xxx --codeup-org=123 --codeup-repo=456 42
前置条件
需要安装以下工具（按需安装）：
gh auth status # GitHub CLI（仅 GitHub 模式需要）
icafe-cli whoami # iCafe CLI（仅百度模式需要）
icode-cli whoami # iCode CLI（仅百度模式需要）
curl --version # 阿里云效 Codeup 模式需要 curl
which claude # Claude Code CLI
which codex # OpenAI Codex CLI
which opencode # OpenCode CLI
which deepseek-tui # DeepSeek CLI (npm install -g deepseek-tui)
项目需有对应语言的构建工具（Go/Node/Python/Rust/Java）。
项目架构
核心流程：
| 组件 | 说明 |
|---|---|
| GitHub Issue / 本地 Issue / 百度 iCafe / 阿里云效 Codeup | 触发输入 |
| run.sh | 核心运行器 |
| Claude / Codex / OpenCode / Claude-Mimo / DeepSeek | Agent 轮转审核 |
| Score ≥ 85? | 评分门控 |
| PASS | 自动创建 PR → 合并 → 关闭 Issue |
| FAIL | 进入下一轮迭代修复 |
Agent 轮转公式：(iter − 1) % N
工作流程
单 Issue 流程
Issue → 首个 Agent 实现 → 轮转审核+修复 → 自动 PR → 合并 → 关闭 Issue
- 迭代 1:
-a列表中的第一个 agent 初始实现 - 迭代 2+: 所有启用的 agents 按顺序轮流审核并修复
- 评分达标（默认 ≥ 85）后自动创建 PR、合并、评论并关闭 Issue
推荐工作流：从 PRD 到自动实现
完整端到端工作流：PRD 生成 → Issue 拆分 → autoresearch 实现
PRD 生成 → Issue 拆分与创建 → 选择 Issue → autoresearch 实现 → 选择下一个 Issue → ...
Step 1: 生成 PRD
使用 /prd skill 生成交付需求文档：
/prd 为本项目创建一个桌面 app
Step 2: 拆分为 GitHub Issues
让智能体基于 PRD 拆分 Issue：
基于 PRD 中的 User Stories 拆分为细粒度 Issue，并在 GitHub 上创建这些 issue。
拆分原则：
- 每个 Issue 可在单次开发会话中完成
- 有明确的验收标准（checkbox）
- 标注依赖关系
Step 3: 选择 Issue 并自动实现
./run.sh 22
autoresearch 会：
- 规划阶段：拆分 subtasks（如需要）
- 迭代实现：首个 agent 实现 → 轮转审核 → 修复 → 评分
- 质量门禁：Build/Lint/Test + LLM 评分 ≥ 85
- 自动收尾：创建 PR → 合并 → 评论 Issue → 关闭 Issue
完整示例
以本项目 Desktop App 为例：19 个 Issues (#22 ~ #40) 从 PRD 到全部实现。
详细过程见 docs/desktop-app-prd-to-issues.md。
本地 Issue 模式
除了从 GitHub 拉取 Issue，autoresearch 还支持从项目本地目录读取 Issue 文件，无需 GitHub 即可运行。适合本地项目、内网项目或不想创建 GitHub Issue 的场景。
快速开始
# 1. 创建 issues 目录
mkdir -p .autoresearch/issues
# 2. 创建 Issue 文件（命名格式：issue-NNN-描述.md）
cat > .autoresearch/issues/issue-008-add-login.md << 'EOF'
# 添加登录功能
实现用户登录页面，包括：
- 用户名/密码输入框
- 表单验证
- 登录 API 调用
- 错误提示
EOF
# 3. 运行（自动检测本地文件）
./run.sh 8
Issue 文件格式
- 位置：
$PROJECT_ROOT/.autoresearch/issues/（默认）或--issues-dir指定 - 命名：
issue-NNN-描述.md，编号补零到 3 位（如issue-008-add-login.md） - 内容：第一个
# 标题行作为 Issue 标题，其余内容作为 Issue 正文 - 匹配：CLI 传入的编号
8会匹配issue-008-*.md或issue-8-*.md
运行结束后
- 代码提交到本地分支（不推送远程、不创建 PR、不合并）
- 处理结果自动追加到 Issue 文件末尾：
---
## 自动处理结果
- **评分**: 92/100
- **迭代次数**: 3
- **实现方式**: autoresearch 多 agent 迭代 (claude codex opencode)
- **分支**: feature/issue-8
- **完成时间**: 2026-04-27 15:30:00
- 子任务: 2/2 完成
...日志内容...
该 Issue 已由 autoresearch 自动实现。
命令行参数
# 自动检测模式（默认目录下有匹配文件即生效）
./run.sh 8
# 手动指定 issues 目录
./run.sh --issues-dir=.autoresearch/issues 8
# 指定项目路径 + 本地模式
./run.sh -p /path/to/project --issues-dir=.autoresearch/issues 8
# 组合其他参数
./run.sh --issues-dir=.autoresearch/issues 8 10 # 最多迭代10次
与 GitHub 模式对比
| GitHub 模式 | 本地模式 | 百度 iCafe 模式 | |
|---|---|---|---|
| Issue 来源 | gh issue view | 本地 .md 文件 | icafe-cli card get |
需要 gh CLI | 是 | 否 | 否 |
| 需要 GitHub remote | 是 | 否 | 否 |
需要 icafe-cli / icode-cli | 否 | 否 | 是 |
| 推送/PR/合并 | 自动执行 | 不执行 | push_cr + submit_review |
| 评论/关闭 Issue | 自动执行 | 不执行 | 自动执行 |
| 结果记录 | PR 评论 + 关闭 Issue | 追加到文件末尾 | CR 评论 + 关闭卡片 |
模式自动切换
两种模式完全兼容，互不影响：
- 有匹配的本地 Issue 文件 → 自动进入本地模式
- 没有本地文件 → 走 GitHub 流程（
gh issue view→ push → PR → merge → close）
同一项目可以混合使用：
./run.sh 8 # .autoresearch/issues/issue-008-*.md 存在 → 本地模式
./run.sh 42 # 没有对应的本地文件 → GitHub 模式
百度 iCafe 模式
百度模式使用 iCafe（卡片管理）和 iCode（代码评审）替代 GitHub Issue/PR 流程，适合百度内部项目。
前置条件
# 安装并登录 icafe-cli
icafe-cli login
# 安装并登录 icode-cli
icode-cli login
# 项目 git remote 需指向 icode.baidu.com
git remote -v
# origin https://icode.baidu.com/path/to/repo (fetch)
快速开始
# 显式指定 baidu 模式 + 空间
./run.sh --issue-source=baidu --space=cloud-iCafe 22210
# 指定最大迭代次数
./run.sh --issue-source=baidu --space=cloud-iCafe 22210 16
# 指定 CR 目标分支（默认自动检测远程 HEAD，回退到 master）
./run.sh --issue-source=baidu --space=cloud-iCafe --target-branch=develop 22210
# 使用环境变量设置空间
export ICAFE_SPACE=cloud-iCafe
./run.sh --issue-source=baidu 22210
自动检测
如果同时满足以下两个条件，即使不指定 --issue-source=baidu，也会自动切换到百度模式：
- Git remote 包含
icode.baidu.com --space参数或ICAFE_SPACE环境变量已设置
# 在 iCode 仓库中，设置环境变量即可自动识别
export ICAFE_SPACE=cloud-iCafe
./run.sh 22210 # 自动检测为 baidu 模式
工作流程
iCafe 卡片 → Agent 实现 → 轮转审核+修复 → icode-cli push_cr → 评分 +2 → 合入 → 关闭卡片
与 GitHub 模式的主要区别：
| 步骤 | GitHub 模式 | 百度 iCafe 模式 |
|---|---|---|
| 获取 Issue | gh issue view | icafe-cli card get |
| Commit 消息 | feat: implement issue #N | {space}-{seq} [{type}] {title} |
| 创建 PR | gh pr create | icode-cli git push_cr |
| 合并 | gh pr merge | icode-cli api submit_review |
| 关闭 Issue | gh issue close | icafe-cli card update --status 已关闭 |
| 评论 | gh issue comment | icafe-cli comment create |
命令行参数
| 参数 | 说明 |
|---|---|
--issue-source=baidu | 指定百度模式（也可自动检测） |
--space=<prefixCode> | iCafe 空间前缀代码（baidu 模式必需） |
--target-branch=<name> | iCode CR 目标分支（默认自动检测） |
ICAFE_SPACE | 环境变量，等效于 --space |
项目自定义配置
在项目目录下创建 .autoresearch/：
.autoresearch/
├── agents/
│ ├── codex.md # 自定义 Codex 指令
│ ├── claude.md # 自定义 Claude 指令
│ ├── claude-mimo.md # 自定义 Claude-Mimo 指令（不设则 fallback 到 claude.md）
│ └── opencode.md # 自定义 OpenCode 指令
├── issues/ # 本地 Issue 文件（issue-NNN-描述.md）
├── program.md # 自定义实现规则与约束
├── workflows/ # 各 Issue 详细记录（自动生成）
└── results.tsv # 处理结果日志（自动生成）
命令行参数
| 参数 | 默认值 | 说明 |
|---|---|---|
-p <path> | 当前目录 | 项目路径 |
-a <agents> | claude,codex,opencode | 指定启用 agents 及顺序 |
-c | 关闭 | 继续模式，从上次中断的迭代继续 |
--issues-dir=<path> | .autoresearch/issues | 本地 Issue 目录（启用本地模式） |
--issue-source=<mode> | github | Issue 来源：github / local / baidu |
--space=<prefixCode> | - | iCafe 空间前缀代码（baidu 模式必需） |
--target-branch=<name> | 自动检测 | iCode CR 目标分支 |
PASSING_SCORE | 85 | 达标评分线（百分制） |
AGENT_MODEL | - | 全局默认 model（如 sonnet, opus, o3），不设则用 CLI 默认 |
AGENT_MODEL_CLAUDE | - | Claude 专用 model（优先级高于 AGENT_MODEL） |
AGENT_MODEL_CODEX | - | Codex 专用 model |
AGENT_MODEL_OPENCODE | - | OpenCode 专用 model |
AGENT_MODEL_CLAUDE_MIMO | - | Claude-Mimo 专用 model |
AGENT_MODEL_DEEPSEEK | - | DeepSeek 专用 model |
MAX_CONSECUTIVE_FAILURES | 3 | 连续失败停止阈值 |
MAX_RETRIES | 5 | 单次 agent 调用重试次数 |
裁剪 program.md
program.md 包含多种语言的规范模板。使用前应根据目标项目语言裁剪，只保留相关规范以减少 token 消耗。
示例：Go 后端项目只需保留「通用规范」和「Go 代码规范」章节，删除 Python/TypeScript/Rust/前端等无关章节。
文件说明
| 文件 | 用途 |
|---|---|
run.sh | 主脚本 |
lib/agent_logic.sh | agent 列表解析与轮转共享逻辑 |
program.md | 默认实现规则与约束 |
agents/*.md | Agent 提示词模板 |
tests/test_agent_logic.sh | agent 选择与顺序逻辑测试 |
阿里云效 Codeup 模式
阿里云效 Codeup 模式使用 Codeup（代码托管）替代 GitHub Issue/PR 流程，适合使用阿里云效的企业项目。
前置条件
# 需要 Codeup Access Token
# 在 Codeup 控制台 -> 设置 -> Access Token 中创建
export CODEUP_TOKEN=your_token_here
# 需要组织 ID 和仓库 ID
# 在 Codeup 项目设置页面可以看到
export CODEUP_ORG_ID=your_org_id
export CODEUP_REPO_ID=your_repo_id
快速开始
# 显式指定 codeup 模式
./run.sh --issue-source=codeup --codeup-token=xxx --codeup-org=123 --codeup-repo=456 42
# 使用环境变量
export CODEUP_TOKEN=xxx
export CODEUP_ORG_ID=123
export CODEUP_REPO_ID=456
./run.sh --issue-source=codeup 42
# 指定 MR 目标分支
./run.sh --issue-source=codeup --codeup-branch=develop 42
# 批量处理所有未关闭的 Issues
./run_all.sh --issue-source=codeup --codeup-token=xxx --codeup-org=123 --codeup-repo=456
工作流程
Codeup Issue -> Agent 实现 -> 轮转审核+修复 -> 创建 MR -> 合入 -> 关闭 Issue
与 GitHub 模式的主要区别：
| 步骤 | GitHub 模式 | 阿里云效 Codeup 模式 |
|---|---|---|
| 获取 Issue | gh issue view | Codeup REST API |
| 创建 PR | gh pr create | Codeup REST API (Create MR) |
| 合并 | gh pr merge | Codeup REST API (Merge MR) |
| 关闭 Issue | gh issue close | Codeup REST API (Close Issue) |
| 评论 | gh issue comment | Codeup REST API (Add Note) |
命令行参数
| 参数 | 说明 |
|---|---|
--issue-source=codeup | 指定阿里云效 Codeup 模式 |
--codeup-token=<token> | Codeup Access Token（也可用 CODEUP_TOKEN 环境变量） |
--codeup-org=<org_id> | Codeup 组织 ID（也可用 CODEUP_ORG_ID 环境变量） |
--codeup-repo=<repo_id> | Codeup 仓库 ID（也可用 CODEUP_REPO_ID 环境变量） |
--codeup-branch=<name> | Codeup MR 目标分支（默认自动检测） |
与 ralph 对比
ralph 是类似的自动化开发工具。
核心差异
| 维度 | autoresearch | ralph |
|---|---|---|
| 驱动方式 | GitHub Issue / 本地 Issue / 百度 iCafe | PRD（prd.json） |
| Agent 模型 | 多 Agent 轮转交叉审核 | 单 Agent 反复迭代 |
| 质量门禁 | 硬门禁（Build/Lint/Test）+ 软门禁（LLM 评分） | 纯工具链检查 |
| 审核机制 | 不同 Agent 交叉审核 | 无独立审核 |
| 端到端 | Issue → PR → 合并 → 关闭（全自动闭环） | 止步于代码完成 |
| Continue 模式 | 支持 -c 恢复 | 无 |
| UI 验证 | 浏览器截图 + LLM 视觉验证 | dev-browser skill |
各自优势
autoresearch 优势：
- 双轨质量门禁覆盖更广
- 多 Agent 交叉审核提供不同视角
- GitHub 端到端自动化闭环，也支持本地项目、百度 iCafe/iCode 和阿里云效 Codeup 运行
- 上下文溢出自动交接
- Continue 模式支持中断恢复
ralph 优势：
- PRD 驱动，语义更丰富
- 四通道记忆形成完整知识体系
- 确定性质量门禁更稳定
- Skills 插件系统可扩展
- 内置流程序可视化
类似项目
- snarktank/ralph
- karpathy/autoresearch（原版思想）
- 达尔文.skill: 使用 autoresearch 优化Skill, 花叔出品
- TheGreenCedar/codex-autoresearch: A codex plugin for running optimization loops inside a codebase.
- pi-autoresearch: Autonomous experiment loop extension for pi agent
- good night, have fun: gnhf is a ralph, autoresearch-style orchestrator that keeps your agents running while you sleep
- Auto-claude-code-research-in-sleep
- autoharness
- awesome-autoresearch: 一大批的autoresearch思想的落地
Repo liên quan
Master programming by recreating your favorite technologies from scratch.
A curated meta-list of curated lists organized by technology domain. The repository acts as a directory pointing to hundreds of specialized awesome lists covering programming languages, platforms, frameworks, and tooling. All content is community-contributed under the CC0 public domain dedication.
Public APIs is a community-curated GitHub repository listing free, publicly accessible APIs across a wide range of categories, with auth type, HTTPS, and CORS noted for each entry. It's a browsable reference, not a library to install.
freeCodeCamp is a free, self-paced curriculum for learning to code, published as open source at freeCodeCamp/freeCodeCamp. It's a 501(c)(3) nonprofit funded by donor support, structured around six certifications in its Full-Stack Developer Curriculum, each gated by required projects instead of open-book quizzes. The repository also carries beta language certifications for developers, interview-prep resources, and the code that runs the live freecodecamp.org platform.
Trả lời nhanh
Đọc thêm về smallnest/autoresearch ở đâu?
Trang TopGit này là một snapshot — tab "Readme" hiển thị nguyên văn README của repo (đã bỏ link, giữ ảnh). Repo GitHub ở github.com/smallnest/autoresearch là nguồn chính thức.
smallnest/autoresearch có phải mã nguồn mở không?
Có — smallnest/autoresearch phát hành theo license MIT, nghĩa là mã nguồn mở để đọc, fork và (tùy license) tái sử dụng. Mã: github.com/smallnest/autoresearch.
smallnest/autoresearch là gì?
smallnest/autoresearch (smallnest/autoresearch) là dự án Shell trên GitHub. Theo mô tả gốc: autodevelop： autoresearch for software development
Đọc đầy đủ README ở tab phía trên.
autoresearch có đáng để bạn bỏ thời gian?
ChatGPT, Claude và Perplexity đều đọc được trang này. Hỏi thử xem họ nghĩ gì về autoresearch.