点击下方卡片，关注“CVer”公众号
添加微信号：CVer2233，小助手拉你进群！
扫描下方二维码，加入CVer学术星球！可以获得最新顶会/顶刊上的论文idea和CV从入门到精通资料及应用！发论文/搞科研/涨薪，强烈推荐！
项目地址：https://github.com/Xiangyue-Zhang/auto-deep-researcher-24x7
写在前面：每个炼丹人都懂的痛
改超参 → 跑训练 → 等 6 小时 → 看结果 → 再改 → 再跑 → 再等。
Deadline 前这个循环要重复上百次。凌晨三点定闹钟爬起来，就为了瞄一眼 loss 有没有降下去——降了，松一口气继续睡；没降，眼泪都快下来了还得改一版重新提交。
做深度学习研究的朋友，谁没经历过这种日子。
而最让人崩溃的不是辛苦，是这件事本质上是机械的：你早就想好了要试什么，剩下的只是把它跑出来而已。这部分时间，本该属于真正的思考。
有没有可能，让一个 AI Agent 替你把这部分跑掉？
最近开源了一个叫 Deep Researcher Agent 的框架，正面回答了这个问题——你睡觉的时候，它在炼丹；你写论文的时候，它已经把 results table 准备好了。
一、它到底是怎么工作的？
框架的核心，是一个 THINK → EXECUTE → MONITOR → REFLECT 的自主循环。
🧠 THINK（想方案）Agent 读取项目说明 + 历史实验记忆，分析当前最优结果，决定下一步该试什么。注意——它不只是改超参，还能改模型代码、换 loss 函数、加数据增强策略。
⚙️ EXECUTE（写代码 + 起任务）Agent 自动改代码或 config，先跑一个强制 dry-run（2 步前向反向）确认没 bug，然后才把真正的训练打到 GPU 上。
👀 MONITOR（盯着，但不花钱）这里是整个项目最骚的一招——训练期间，Agent 完全不调用 LLM API。它只做三件事：
这三个操作的 API 成本是零。
🔍 REFLECT（看结果 + 决定下一步）训练结束，Agent 解析日志、提取指标、跟历史最优对比、记录里程碑，然后开下一轮。
整个循环 24 小时不间断。你想介入？随时可以——往项目目录里扔一个指令文件就行，Agent 下一轮自动读到。
二、一天成本五毛钱，这是怎么做到的
24/7 跑 LLM Agent，听起来不应该很贵吗？
关键就在前面那个"零成本 MONITOR"。
一天 24 小时里，90% 以上的时间都在训练，这段时间 LLM 调用费 = 0。只有开头"想方案"和结尾"看结果"才需要请大模型出马，每次几分钟。
算下来：
| |
|---|
| Deep Researcher Agent | 约 $0.08（≈ 人民币 5 毛） |
| |
一天五毛钱，够你跑一整个礼拜也比一杯咖啡便宜。
三、跑半年内存不涨：两层"恒定记忆"
长时间运行的 Agent 有个经典毛病：
上下文越积越长，又慢又贵又蠢。
Deep Researcher Agent 的解法是一个两层记忆系统：
- 第一层：人类写的项目说明（冻结不变，最大 3000 字符）——告诉 Agent 你想干什么、约束是什么
- 第二层：Agent 自己维护的滚动日志——关键成果自动压缩到 1200 字符以内，最近决策只保留 15 条
总记忆量恒定在约 5000 字符。Agent 跑 1 天是这个数，跑 6 个月还是这个数。
四、不是 demo，是真打过仗的
这个框架不是放在 paper 里看看的玩具。它已经在多个真实研究项目中连续跑了 30 多天：
- ✅ 单个项目指标比 baseline 提升 **52%**（200+ 次全自动实验跑出来的）
- ✅ 最长连续运行 30+ 天，期间人类只介入了五六次
五、Claude 和 Codex 都能用，配置一行切换
框架不绑定单一 LLM：
- Anthropic 系：Claude Sonnet 4.6（快） / Claude Opus 4.6（最强）
- OpenAI 系：Codex 5.3（快） / GPT 5.4（最强）
config 改一行就能切，谁强用谁。
六、躺床上也能炼丹：手机端实时监控
配合 Happy Coder App（iOS / Android），可以在手机上：
端到端加密，代码和结果完全私密。
这意味着你真的可以在地铁上、在咖啡馆、在床上指挥一整套深度学习实验流水线。
七、一键装好，7 个斜杠命令
git clone 之后跑一句 python install.py，立刻获得 7 个 Claude Code / Codex 斜杠命令：
| |
|---|
/auto-experiment | |
/experiment-status | |
/gpu-monitor | |
/daily-papers | |
/paper-analyze | |
/conf-search | |
/progress-report | |
完全不会用？仓库里有个 AI_GUIDE.md——把这个文件直接丢给任何 AI 助手，它会交互式地一步步带你装好、跑起第一个实验。新手友好到这个地步。
八、和市面上的"AI 科研工具"有什么区别？
目前主流的 AI 研究工具——Claude Scholar、AI Scientist、SWE-Agent 等——要么帮你写论文，要么帮你写代码。但没有一个能真正替你把实验跑出来。
Deep Researcher Agent 是据我们所知第一个专门为"
跑"深度学习实验设计的开源 Agent 框架，而不是为"写"。
⚠️ 但是，请先看完这一段再去 Star
作者在 README 里挂了一段非常严肃的声明，我觉得这一段比项目本身更值得放到这篇文章里：
本项目严禁用于学术造假与任何形式的科研不端行为。
这个框架被造出来，只有一个目的——把跑实验里那些机械、重复的环节从研究者身上拿掉，让大家把节省下来的时间，投入到真正重要的事情：思考上面。
idea 必须由人来提供。 请不要寄希望于用本项目进行学术不端，这不是我们的项目初衷，也不是这个社区欢迎的事情。
学术应当保持纯粹。Agent 可以替你跑实验，但 idea、判断与责任必须由人来承担。 我们真诚地希望每一位使用者都能 human in the loop 地去思考，在自己的研究方向上做出属于自己的、真实的贡献。
在这个动辄"AI 一键生成论文"的时代，看到一个开源作者主动给自己的工具立这样的边界，挺打动人的。
工具是中立的，但作者立场不必中立。
写在最后
一个人的精力是有限的。研究者本该把时间花在读论文、想 idea、解读结果上，而不是花在凌晨三点爬起来看 loss 有没有降。
Deep Researcher Agent 想做的，就是把后者还给机器，把前者留给人。
项目已在 GitHub 开源，Apache 2.0 协议，欢迎 Star、Issue、PR：
🔗 https://github.com/Xiangyue-Zhang/auto-deep-researcher-24x7
如果你也是炼丹人，如果你也曾在 deadline 前哭着改 config——
这一次，让 AI 替你熬夜。你去睡觉。
项目协议：Apache 2.0
本文系学术转载，如有侵权，请联系CVer小助手删文
在CVer公众号后台回复：何恺明，即可下载566页课件PPT！大家赶紧学起来！在CVer公众号后台回复：CVPR2026，
即可下载CVPR 2026 所有论文和代码！
CV垂直方向和论文投稿交流群成立
扫描下方二维码，或者添加微信号：CVer2233，即可添加CVer小助手微信，便可申请加入CVer-垂直方向和论文投稿微信交流群。另外其他垂直
方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF、3DGS、Mamba等。
一定要备注：研究方向+地点+学校/公司+昵称（如Mamba、多模态学习或者论文投稿+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群
▲扫码或加微信号: CVer2233，进交流群
CVer计算机视觉（知识星球）人数破万！如果你想要了解最新最快最好的CV/DL/AI论文、实战项目、行业前沿、从入门到精通学习教程等资料，一定要扫描下方二维码，加入CVer知识星球！最强助力你的科研和工作！
▲
扫码加入星球学习
▲点击上方卡片，关注CVer公众号
整理不易，请点赞和在看
