/ ディレクトリ / プレイグラウンド / ARIS (Auto-Research-In-Sleep)
● コミュニティ wanshuiyin ⚡ 即起動

ARIS (Auto-Research-In-Sleep)

作者 wanshuiyin · wanshuiyin/Auto-claude-code-research-in-sleep

LLMコーディングエージェントを自律的なML研究者に変えるskill — アイデア探索、クロスモデルレビューループ、夜間の実験自動化。

ARIS(Auto-Research-In-Sleep)は自律的なML研究のためのMarkdownのみのskillバンドルです。無人で実行されるよう設計されており — 典型的には夜通し — 審査済みの研究候補、実験結果、レビューメモのスタックを生成します。フレームワークロックインなし:skillはClaude Code、Codex、OpenCode、Markdownのskillを読み込むあらゆるエージェントで動作します。眠っている間にコンピューターと推論を積み上げたいソロ研究者や小規模ラボ向けに構築されています。

なぜ使うのか

主な機能

ライブデモ

実際の動作

準備完了

インストール

クライアントを選択

~/Library/Application Support/Claude/claude_desktop_config.json  · Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "aris-research-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep",
        "~/.claude/skills/aris"
      ],
      "_inferred": true
    }
  }
}

Claude Desktop → Settings → Developer → Edit Config を開く。保存後、アプリを再起動。

~/.cursor/mcp.json · .cursor/mcp.json
{
  "mcpServers": {
    "aris-research-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep",
        "~/.claude/skills/aris"
      ],
      "_inferred": true
    }
  }
}

Cursor は Claude Desktop と同じ mcpServers スキーマを使用。プロジェクト設定はグローバルより優先。

VS Code → Cline → MCP Servers → Edit
{
  "mcpServers": {
    "aris-research-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep",
        "~/.claude/skills/aris"
      ],
      "_inferred": true
    }
  }
}

Cline サイドバーの MCP Servers アイコンをクリックし、"Edit Configuration" を選択。

~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "aris-research-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep",
        "~/.claude/skills/aris"
      ],
      "_inferred": true
    }
  }
}

Claude Desktop と同じ形式。Windsurf を再起動して反映。

~/.continue/config.json
{
  "mcpServers": [
    {
      "name": "aris-research-skill",
      "command": "git",
      "args": [
        "clone",
        "https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep",
        "~/.claude/skills/aris"
      ]
    }
  ]
}

Continue はマップではなくサーバーオブジェクトの配列を使用。

~/.config/zed/settings.json
{
  "context_servers": {
    "aris-research-skill": {
      "command": {
        "path": "git",
        "args": [
          "clone",
          "https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep",
          "~/.claude/skills/aris"
        ]
      }
    }
  }
}

context_servers に追加。保存時に Zed がホットリロード。

claude mcp add aris-research-skill -- git clone https://github.com/wanshuiyin/Auto-claude-code-research-in-sleep ~/.claude/skills/aris

ワンライナー。claude mcp list で確認、claude mcp remove で削除。

ユースケース

実用的な使い方: ARIS (Auto-Research-In-Sleep)

夜通し自律的なリサーチセッションを実行する

👤 ソロ研究者 / 小規模ラボ ⏱ ~720 min advanced

使うタイミング: 研究の方向性と12時間がある;朝に候補の実験結果を受け取りたい場合。

前提条件
  • 実験用のコンピューターアクセス(GPU/クラウド) — ARISがスケジュールを立てる;ランナーはあなたが提供
フロー
  1. スコープ設定
    Use ARIS. Goal: explore parameter-efficient fine-tuning variants for small LLMs. Budget: 12h, 5 ideas, 2 experiments per idea.✓ コピーしました
    → ステージごとのバジェット付き計画
  2. 探索
    Generate 10 candidate ideas. Cross-review. Keep the top 5.✓ コピーしました
    → 批評付きのランク付けアイデアリスト
  3. 実行
    For each top idea, draft an experiment, run it, log metrics. Stop when budget exhausted.✓ コピーしました
    → 実験完了;メトリクスがログされる

結果: 朝のレポート:実際の実験シグナルを持つランク付けアイデア。

注意点
  • コンピューター使用量が暴走する — 実験ごとのバジェットにハードキャップを設定;ARISはそれを尊重する
組み合わせ: filesystem

文献スキャンを実行して実験的主張を抽出する

👤 新しい分野に入る研究者 ⏱ ~90 min intermediate

使うタイミング: サブフィールドの主張とギャップをマッピングする必要がある。

フロー
  1. スコープ設定
    Scan papers from 2024-2026 on diffusion-LM hybrids. Extract claimed contributions and benchmarks.✓ コピーしました
    → 主張テーブル
  2. 批評
    Cross-review claims against each other. What's contradictory or under-tested?✓ コピーしました
    → ギャップ分析

結果: 具体的なリサーチギャップを持つサブフィールドのマップ。

注意点
  • 引用文献の幻覚 — ARISに検証ステップが含まれる — グラウンドトゥルースのためにarxiv MCPと組み合わせる
組み合わせ: notebooklm-py-skill

組み合わせ

他のMCPと組み合わせて10倍の力を

aris-research-skill + notebooklm-py-skill

リサーチの前後での文献ダイジェスト

Use NotebookLM to digest related papers; ARIS to design experiments.✓ コピーしました
aris-research-skill + filesystem

/research/<run-id>/以下に実験アーティファクトを永続化

Save all logs and results under /research/2026-05-03/.✓ コピーしました

ツール

このMCPが提供する機能

ツール入力呼び出すタイミングコスト
plan_research goal, budget セッション開始時 token
discover_ideas topic, n アイデア生成フェーズ token
cross_review idea, models[] アイデアのフィルタリング token × モデル数
run_experiment idea, runner config 検証 コンピューター + token

コストと制限

運用コスト

APIクォータ
token + コンピューター — 両方が相当な量になり得る
呼び出しあたりのトークン
アイデア探索とクロスレビューはtoken消費が多い
金額
skillは無料;コンピューターとモデル使用量を自分で支払う
ヒント
計画ステージでtoken / コンピューターのハードキャップを設定する

セキュリティ

権限、シークレット、影響範囲

最小スコープ: コンピューターランナーへのアクセス データへの読み取りアクセス
認証情報の保管: 外部 — ランナーが処理
データ送信先: モデル/ランナーのセットアップに依存
絶対に付与しない: 自律的なリサーチループに本番データを渡さない

トラブルシューティング

よくあるエラーと対処法

収束せずにループする

バジェットを絞る;ARISはキャップを尊重して停止する

クロスレビューが1つの視点に収束する

レビューアーのモデルを多様化する;同じファミリーのモデルばかりだと相関した見解になる

実験がサイレントに失敗する

ランナーのエラー報告を強化する;ARISはログするが壊れたランナーは直せない

代替案

ARIS (Auto-Research-In-Sleep) 他との比較

代替案代わりに使う場面トレードオフ
手動実行の実験完全な制御が必要な場合自分の時間を超えてスケールしない
ホスト型AutoMLプラットフォーム管理されたコンピューター + UIが必要な場合柔軟性が低い;コストがかかる

その他

リソース

📖 GitHub の公式 README を読む

🐙 オープンな issue を見る

🔍 400以上のMCPサーバーとSkillsを見る