企业官网建设流程全解析

AutoR配置详解：自定义研究流程，满足个性化需求

【免费下载链接】AutoRAI handles execution, humans own the direction, and every run becomes an inspectable research artifact on disk.项目地址: https://gitcode.com/gh_mirrors/auto/AutoR

AutoR是一款强大的AI驱动研究协作者，它通过AI处理执行细节，而人类掌控研究方向，每次运行都会在磁盘上生成可检查的研究成果。本指南将详细介绍如何配置AutoR，以满足您的个性化研究需求，让研究流程更加高效和灵活。

一、AutoR配置概览

AutoR的设计理念是尽量减少配置的复杂性，没有全局配置文件，没有基于环境的配置文件系统，也没有数据库。一个运行所需的所有信息都记录在该运行内部。主要有三个可配置项：

1. 每运行设置—runs/<run_id>/run_config.json，通过CLI标志设置，并在恢复时保留。
2. 场地配置文件—templates/registry.yaml，在各次运行之间共享。
3. 可选图表生成—configs/diagram_config.yaml或环境变量。

二、运行环境要求

在开始配置AutoR之前，请确保您的系统满足以下要求：

AutoR本身没有第三方Python依赖。除了可选的图表功能外，所有功能都运行在标准库上，这就是为什么没有requirements.txt— 没有什么可放在里面的。设置AutoR时，pip install从来都不是一个步骤。

对于--fake-operator运行或测试套件，不需要任何CLI后端。

三、run_config.json配置详解

每个运行根目录下都会生成run_config.json文件。完整的字段参考在 Run Artifacts。

3.1 恢复时保留的内容

当您恢复运行时，AutoR会重用已记录的设置，除非您覆盖它们。每个字段的优先级规则略有不同：

有一件事不能按运行配置，那就是运行目录本身：--runs-dir是AutoR查找运行的位置，因此它必须与运行所在的目录匹配。

3.2 模型默认值

--model接受别名（sonnet、opus）或完整模型名称；AutoR将该值直接传递给后端CLI，因此该CLI接受的任何值在这里都有效。

四、场地注册表配置

templates/registry.yaml保存第07阶段的场地元数据。AutoR仅存储元数据 — 它不提供官方样式包，因此写作阶段会自行获取或重现样式。

4.1 可用场地

默认值：neurips_2025。

4.2--venue的匹配方式

resolve_venue_key接受以下任何一种：

• 注册表键 —iclr_2026
• 显示名称 —"ICLR 2026"
• 样式包名称 —iclr2026_conference

匹配忽略大小写、空格和标点符号，因此ICLR-2026和iclr 2026都能解析。未匹配的值会引发Unknown venue: <value>。

在运行开始时设置场地。它会影响第07阶段的结构、页面预算和引用样式，后期切换意味着重写手稿。

4.3 添加场地

将一个块追加到templates/registry.yaml：

my_venue_2027: display_name: "My Venue 2027" venue_type: "conference" # conference | journal official_url: "https://..." style_package: "myvenue2027" # 与 main.tex 匹配；"" 表示无 bib_style: "plainnat" citation_style: "natbib" page_limit: 8 # 整数，或 "flexible" refs_in_limit: false

不需要代码更改 — 注册表在运行时读取。请注意，解析器是_load_template_registry中一个小型专用的解析器（src/utils.py），而不是完整的YAML解析器：像现有条目一样，将条目保持为顶级场地键下的扁平key: value对。

style_package是 第07阶段工件门 在main.tex中查找的内容。运行始终可以通过% AutoR venue: my_venue_2027注释覆盖检测。

五、Web搜索配置（可选）

第01阶段需要真实搜索。一些编码代理部署内置的WebSearch工具被禁用 — 特别是Vertex AI上的Claude Code— 这使得该阶段根本无法搜索。

--web-search gemini改为通过Gemini的Google搜索基础路由搜索。有两个后端可用；AutoR选择配置的那个：

# Vertex AI — 无需API密钥，使用应用默认凭据 gcloud auth application-default login export GOOGLE_CLOUD_PROJECT="your-project" python main.py --web-search gemini --goal "..." # 或Gemini开发者API，使用与图表生成相同的密钥 export GEMINI_API_KEY="..." python main.py --web-search gemini --goal "..." # 该工具本身也可单独使用： python tools/web_search.py "black hole superradiance constraints" --json

显式API密钥优先于Vertex；AUTOR_WEB_SEARCH_BACKEND=vertex|api_key强制选择。在已运行Vertex上的Claude Code的机器上，ANTHROPIC_VERTEX_PROJECT_ID作为最后的项目继承，因此--web-search auto无需额外配置即可工作 — 这很重要，因为这正是内置WebSearch工具被禁用的部署。

auto（默认值）在配置密钥时使用Gemini，否则回退到后端的原生搜索，因此它从不宣传首次使用会失败的工具。详情在 ResearchClawBench → Web search。

六、图表生成配置（可选）

--research-diagram在第07阶段后使用Gemini API生成方法说明图，并将其注入LaTeX论文。这是一项增强功能：如果未配置，该步骤会打印失败行，运行继续。

6.1 设置

pip install google-genai pyyaml export GOOGLE_API_KEY="..." # 或 GEMINI_API_KEY

或者，代替环境变量：

cp configs/diagram_config.template.yaml configs/diagram_config.yaml # 然后填写 api_keys.google_api_key

configs/diagram_config.yaml被git忽略。

api_keys: google_api_key: "" # 或 gemini_api_key defaults: model_name: "gemini-2.5-flash" max_critic_rounds: 2

密钥解析顺序：GOOGLE_API_KEY，然后GEMINI_API_KEY，然后配置文件中的api_keys.google_api_key，然后api_keys.gemini_api_key。如果 none of them 设置，该步骤会引发Gemini API key not found. Set GOOGLE_API_KEY or GEMINI_API_KEY ...。

解析器位于src/web_search.py，并与支持Gemini的网络搜索共享，因此为一个功能配置的密钥对另一个功能也有效。

如果未安装google-genai，您将看到Diagram generation failed: No module named 'google'— 运行的其余部分不受影响。

七、环境变量

AutoR本身读取的环境变量很少。

其他所有内容 — API密钥、身份验证、模型访问 — 都属于claude或codexCLI，并在那里配置，而不是在AutoR中。

八、文件系统位置

runs/、.autor/和configs/diagram_config.yaml都被git忽略。

九、硬编码限制

这些是src/utils.py中的常量，而不是设置。如果必须，请在源代码中更改它们，并期望测试有意见。

通过以上配置，您可以根据自己的研究需求，灵活地自定义AutoR的各种设置，使其更好地服务于您的研究项目。无论是场地设置、模型选择还是图表生成，AutoR都提供了简单而强大的配置选项，让您能够轻松掌控研究流程。

【免费下载链接】AutoRAI handles execution, humans own the direction, and every run becomes an inspectable research artifact on disk.项目地址: https://gitcode.com/gh_mirrors/auto/AutoR