nanoresearch
端到端自主AI科研引擎，从想法到论文全自动化
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：nanoresearch。 它的用途是：端到端自主AI科研引擎，从想法到论文全自动化 完整的 Skill 内容见：https://321skill.com/skills/nanoresearch/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我研究一下对比学习在图像识别中的最新应用，并生成一篇完整的论文。”，它会自动解析你的需求，设计实验方案，编写训练代码，在GPU上运行对比学习模型，收集准确率、损失曲线等真实数据，并最终生成一篇包含引言、方法、实验结果、图表和结论的完整LaTeX论文。
介绍
NanoResearch 是一个能够真正运行计算实验的自主AI科研引擎。它旨在解决科研人员从研究想法到完整论文产出过程中，需要大量手动编码、实验、数据分析和论文撰写的繁琐问题。
用户只需提供一个研究想法或主题，NanoResearch 便会自动执行一个包含9个阶段的深度流水线。这个过程不仅包括生成实验代码，还会将代码提交到GPU集群进行实际训练，收集真实的实验结果，并据此自动生成论文配图、表格和完整的LaTeX论文。
它非常适合学术研究者、高校学生（尤其是需要完成课程论文或毕业设计的学生）以及需要进行算法验证和论文产出的工程师。对于希望快速验证研究想法、自动化重复性实验流程或学习完整科研闭环的用户来说，它是一个强大的工具。
使用前请确保具备Python 3.10+环境，并准备好必要的计算资源（如本地GPU或可访问的SLURM集群）。由于涉及实际代码执行和模型训练，初次运行可能需要较长时间，并建议在可控环境中进行测试。
核心特点
与仅能生成论文草稿或代码片段的同类工具不同，NanoResearch的核心区别在于其“端到端”和“真实执行”能力：它能将生成的代码提交到计算集群进行实际训练，并基于真实的实验结果（而非LLM虚构数据）来生成论文中的所有图表和数据，实现了从想法到可验证论文的完整自动化闭环。
注意事项
不适合无需实际计算实验、仅需文献综述或理论推导的纯人文社科类研究。
常见问题
NanoResearch生成的论文数据是真实的吗？
是的，论文中的所有数据、图表均来自流水线实际提交并运行的计算实验，非LLM编造。
需要自己准备GPU吗？
支持本地GPU执行和SLURM集群提交两种模式，用户需要具备其中一种计算资源。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/nanoresearch/raw/index.md 读取 nanoresearch 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/nanoresearch/raw/index.md（查看排版版本）