在睡梦中做research：交大学生编写了一套全自动科研pipeline
全自动科研Pipeline被指为灌水工具，AI辅助工作流成主流替代方案
争议与评价
- 技术本质争议：延续此前观点，用户认为该工具仅为模块拼凑（#5, #7），属于Token消耗器（#3）和GitHub上的“LinkedIn式”营销帖（#18）。
- AI生成嫌疑：README质量差疑似AI生成（#4, #16），且被普遍认为是骗Star的花活，实际能力远不如Claude 5.5 Pro（#10, #14, #15）。
- 学术价值质疑：普遍认为其产出仅能用于Workshop或二三流期刊（如MDPI）（#20, #22），无法替代人工实验（#8），且通用型工具将被垂直领域方案取代（#11）。
最新动态与风险
- 项目信息：GitHub链接
wanshuiyin/Auto-claude-code-research-in-sleep（#1）。 - 成本警告：运行成本高于培养博士生，且无法替代如养老鼠等实体实验（#8）。
- 适用性局限：仅适合不在乎声誉、用于申请NIW等非学术目的的人群（#19）；或作为经济系大佬批量灌水的手段（#21），但即便全自动写200篇也仅有少量可发表。
经验与数据点
- AI辅助工作流对比：用户 #17 分享高效工作流：使用Claude 5.5 Pro进行深度思考、综述写作及Review改进，Codex/OpenCode负责代码和架构，Prompt工程由Extended Thinking完成。这种“人在回路”（Human-in-the-loop）的协作模式比全自动“睡梦中科研”更实用且可控（#23）。
- 学科差异：生物、材料领域受益明显，环境、化学领域表现平平（#9）；经济系存在利用AI批量生产论文的极端案例（#21）。