EurekaClaw：一个想把“读文献—提假设—写论文”全包了的 AI 科研助手

最近看到 GitHub 上一个挺有意思的项目，叫 EurekaClaw。

它想做的事其实很大胆：不是只当一个“帮你查资料”的 AI 工具，而是把科研里最磨人的那一段，尽可能往前包掉。你给它一个问题，它会先去抓 arXiv 和 Semantic Scholar 的相关论文，做交叉整理，再往下生成假设、构建证明，最后把结果组织成 LaTeX 论文草稿。项目首页甚至直接把它定义成一个“从问题走到可发表结果”的多智能体科研助手。

这东西让我有点在意，不是因为它又把“AI 科研”这几个字喊了一遍，而是它确实把很多研究者最耗神的环节串起来了。读文献其实不只是搜几篇 paper 那么简单，更多时候是反复比对、怀疑、推翻、再重来。EurekaClaw 现在的思路，是让不同 agent 分工去做文献抓取、想法生成、定理证明和论文写作，尽量把这条链拉通。它还给证明部分设计了一套 7 阶段的 bottom-up 流程，不是上来就硬写结论，而是一步步搭。

更有意思的一点是，它不满足于“一次性跑完”。项目里专门做了持续学习机制：每次 session 完成后，会把成功或失败里沉淀出来的策略蒸馏成 skill，写进本地技能库，后面再碰到相似问题，agent 能直接调用，等于不是每轮都从零开始。这个设计挺像真正做研究的人——不是每次都重新发明轮子，而是会慢慢形成自己的证明手感和套路库。

它还有个浏览器界面，也不是那种只给你看个结果页的样子。文档里写得很明确：可以实时看 agent 进度、调设置、暂停和继续，还能管理技能。对很多人来说，这个比“全自动”本身还重要。因为科研这件事，说到底你不可能完全放心交给黑箱，至少得知道它现在卡在哪、推到了哪一步。

当然，也别把它脑补得太神。项目文档里已经写了，实验 runner 还在 under development，Windows 也还没完全支持，一些像 PDF 编译、Lean4 形式化验证这类能力，需要额外环境才能完整跑起来。也就是说，它现在更像一个很有野心、而且方向挺对的科研工作流框架，而不是一台你点一下就稳定产出顶会论文的许愿机。

但即便这样，我还是觉得 EurekaClaw 值得关注。

因为它切的不是“帮你润色摘要”这种边角料，而是科研最累、最反复、最容易把人精力磨空的那部分：找材料、提假设、搭证明、写初稿。它未必能替代研究者，但很可能会先替代一部分机械而高消耗的前期劳动。

如果你平时要大量读论文、做理论推导，或者经常被文献综述和证明初稿折腾到头大，这个项目可以去试试。至少现在看，它不是那种只会喊口号的 AI 科研助手，是真的已经把“从问题到论文草稿”这条路，往前推了一截。