GitHub 上这个 EurekaClaw，开始从读论文一路写到 LaTeX 了

做科研最磨人的，往往不是最后把论文写出来那一下，而是前面那一长串反复横跳：先翻文献，找问题，再提假设，推到一半发现不对，回来重来。很多人真正耗掉的，不是灵感，是这些零碎又高强度的来回折腾。

最近我在 GitHub 上看到一个挺有意思的项目，叫 EurekaClaw。它给自己的定位很直接：一个多智能体 AI 科研助手，从一个研究问题出发，往下接文献调研、假设生成、证明构建、论文写作，尽量把整条链路串起来。

项目 README 里写得很猛，说它能从问题走到“可发表结果”，支持抓取 arXiv 和 Semantic Scholar 的论文，做交叉归纳，生成证明草图，最后输出带定理环境和引用的 LaTeX 草稿。

我觉得它最有意思的地方，不是“自动写论文”这几个字，而是它在认真碰科研里最烦的那一段脏活。很多工具只做检索，或者只做总结，EurekaClaw 想做的是把这些步骤接起来：前面爬文献，中间出想法，后面接一个 7 阶段的证明流程，再把结果落成论文草稿。

甚至它还做了一个持续学习机制，每次完成证明后，会把策略沉淀成技能，方便下一次复用。这个思路其实很像一个真正会越做越熟的研究助理。

另外一个小细节我挺喜欢。它不是只给命令行，项目还做了浏览器界面，可以实时看 agent 的进度、proof sketch，还支持暂停、继续和技能管理。对科研这种本来就很不放心“全自动”的工作来说，这种可视化比一句“交给 AI”实在多了。

当然，也别把它想成“点一下直接发顶会”的神器。更准确地说，它更像是把文献阅读、思路整理、证明起草、LaTeX 成稿这些最耗精力的环节先往前推一大截。尤其是做理论、需要大量读 paper 和推导的人，这种工具哪怕只帮你省掉前 30% 的体力活，都已经很值了。

如果你平时正好卡在“文献太多看不完、脑子里有想法但迟迟落不成稿”的阶段，EurekaClaw 倒是很值得试一下。至少，它不是在替你做梦，而是在替你先把最累的那段路走起来。