核心用法
Scientify 是 OpenClaw 生态中的科研自动化插件，提供端到端的 ML 研究流水线。用户通过自然语言触发研究任务，系统自动执行：文献调研（arXiv/OpenAlex 搜索下载）→ 深度分析（公式提取、方法对比）→ 研究计划生成（数据集/模型/训练/测试四部曲）→ 代码实现（自动生成并验证）→ 代码审查（最多3轮迭代修复）→ 完整实验（训练+消融实验）。此外支持独立的创意生成（5个idea评分优选）和综述论文撰写。
显著优点
1. 全流程自动化：单指令驱动6阶段流水线，大幅降低科研工程门槛
2. 多源文献整合：同时支持 arXiv、OpenAlex、Unpaywall、GitHub 四大来源
3. 工程化严谨：强制代码审查、uv虚拟环境隔离、2-epoch预验证机制
4. 工作空间管理：多项目切换、状态追踪、论文元数据持久化
潜在缺点与局限
- 依赖外部API稳定性：arXiv/OpenAlex 访问受限时功能降级
- 非OA文献静默跳过：可能造成关键论文遗漏
- 2-epoch验证过轻：复杂模型可能无法暴露潜在bug
- 自动执行风险："Don't ask permission"设计可能引发意外资源消耗
- 审查迭代上限固定：3轮内无法修复则终止，缺乏人工介入通道
适合人群
- 需要快速复现前沿方法的 ML 研究者
- 缺乏工程团队的学术研究小组
- 希望系统化调研某领域的文献综述作者
- 寻找创新方向的研究生/博士生
常规风险
| 风险类型 | 说明 |
|---------|------|
| 数据安全 | 自动下载外部PDF/Tex源码，需警惕恶意LaTeX宏包 |
| 计算资源 | 实验阶段可能触发长时间GPU训练，产生云费用 |
| 学术诚信 | 自动生成代码/论文需明确标注AI辅助，避免抄袭争议 |
| 环境隔离 | uv隔离非绝对安全，敏感环境建议容器二次隔离 |