🔬 新主线 paper pipeline · research studio · data-scientist neighbors

AI-Scientist
把自动科研家族画成一张谱系图

`AI-Scientist` 这条线不该只剩下一张 AI-Scientist-v2 卡片。
更合理的读法是把 v1 / v2、DeepScientist、EvoScientist，以及 DeepBI / open-data-scientist / Auto-Analyst 这些邻居样本放到同一张图里看：谁在做 paper pipeline，谁在做 research studio，谁只是 data-scientist neighbor。

为什么这条线值得单列成大专题

现在自动科研类项目已经不是一条线在演化，而是至少分成了三种不同的壳层：

paper pipeline

从 idea 到 experiment，再到 writeup / PDF 的自动论文流水线。

research studio

把 quest、workspace、memory、connector 拼成一个可持续运行的本地研究工作台。

data-scientist neighbors

更偏自动数据分析、BI、数据科学助理，不该被误读成同一类 paper factory。

所以本站后续更应该讲“系统壳层谱系”，而不是继续把所有项目都堆到一张热点卡片里。

当前先按四条线来收

1. 模板化 paper pipeline

AI-Scientist + AI-Scientist-ICLR2025-Workshop-Experiment

关键词：template、baseline setup、paper draft、review。

2. 树搜索 / experiment manager

AI-Scientist-v2 + 上游 AIDE ML

关键词：agentic tree search、experiment manager、idea JSON、writeup pipeline。

3. research studio / self-evolving scientist

DeepScientist + EvoScientist

关键词：quest repo、memory、workspace、multi-channel、human-on-the-loop。

4. data-scientist 邻居线

DeepBI、Auto-Analyst、open-data-scientist、AI-CoScientist

关键词：data analysis、BI、report、ReAct、peer review topology。

先把主样本放到同一张对照表

样本 当前更像什么 control plane 在哪 durable state 在哪 站内建议角色
AI-Scientist 模板化 paper pipeline 模板、实验脚本、review / writeup 流程 template runs、example papers、paper review 结果 讲清 v1 为什么依赖模板，适合当“早期自动论文流水线”基线页。
AI-Scientist-v2 agentic tree search paper factory launch_scientist_bfts.py、bfts_config.yaml、experiment manager idea JSON、experiments logs、tree viz、writeup 中间产物、最终 PDF 讲清 v2 怎样从 template 走向 search manager，是这条线的核心壳层页。
DeepScientist research studio / quest workspace quest repo + stage workflow + findings memory quest repo、artifacts、paper outputs、workspace 状态 已经是独立 unpacked 子页，继续承担 studio shell 入口。
EvoScientist self-evolving research buddy multi-agent team、persistent memory、channels、adaptive tools memory base、skills、toolsets、channel state 更适合和 DeepScientist 对照，讲“工作台壳”往多渠道自进化延伸时会加厚什么。

[插图提示词]

用途：画 AI-Scientist family map，把 v1、v2、DeepScientist、EvoScientist 和 data-scientist neighbors 放到同一张总图里。

形式：分层谱系图；Mermaid 很合适。

提示词：顶部放 AI-Scientist family hub，左线是 template-based paper pipeline（AI-Scientist v1，ICLR workshop experiment），中线是 tree-search paper pipeline（AI-Scientist-v2，AIDE ML substrate），右线是 research studio / self-evolving scientist（DeepScientist，EvoScientist），底部单独放 data-scientist neighbors（DeepBI，Auto-Analyst，open-data-scientist，AI-CoScientist），并用不同颜色区分主样本与邻居样本。

Mermaid 更适合：是。

新增子专题：把 “in sleep” 这一层单独讲清楚

Codex-Loop In Sleep

把 ARIS / Auto-Research In Sleep 和我们自己的 codex-loop 放到同一张图里看，不再只说“都有 loop”，而是拆出 workflow family、persistent wiki、meta optimize、watchdog、cross-model review 五层方法差异。

站内角色：解释研究系统怎样长出 sleep 层，以及我们为什么可以把当前路线读成一种通用型 codex-loop in sleep。

长期子专题入口：它现在已经不是一张一次性分析页，而是这条家族线上专门承接 meta-opt、persistent wiki、watchdog health layer route-back 的固定入口。

为什么值得单列

它刚好补齐了 `paper pipeline / studio shell / data-scientist neighbors` 之外的第四类解释维度：长期循环如何长出外层自优化和健康层。

子专题入口 当前已固定的 route-back 在 AI-Scientist 总页里的角色
Codex-Loop In Sleep meta-opt rule、`persistent wiki` 三层 memory layout、`daemon / workspace / watchdog` 边界 长期解释 “研究系统如何从 loop 壳长出 sleep 层” 的固定子专题，而不是一次性旁注

这条专题下一步怎么开展最顺

第一步：先做 family hub

先把 `AI-Scientist` 总页当入口页，固定四条线和主样本 / 邻居样本边界。

第二步：优先拆两篇子页

优先顺序建议是：AI-Scientist v1 vs v2，然后 DeepScientist vs EvoScientist。

第三步：把 in-sleep 方法线固定下来

topic-codex-loop-in-sleep.html 现在承担的是第四类样本解释：研究系统如何从 loop 壳继续长出 meta-optimize、wiki 和 watchdog，而且已经应该被视为一个长期子专题入口，而不是临时分析页。

第四步：再收 data-scientist 邻居

等主样本口径稳定后，再把 `DeepBI / open-data-scientist / Auto-Analyst / AI-CoScientist` 收成邻居对照页。

第五步：回写到 VibePaper

让 `VibePaper` 总页继续做总轴，`AI-Scientist` 总专题负责承接这条家族线的细分展开。

也就是说，这条专题最顺的打法不是“继续加卡片”，而是：先固定家族谱系，再做高价值对照子页和 in-sleep 方法线，最后再处理生态与邻居样本。