auto-deep-researcher-24x7

睡觉时自动跑完深度学习实验，醒来直接看结果

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署智能体 🍴 复刻 96 🐛 待处理 16 👀 关注 21

GitHub ↗

GitHub 星标 ★ 1142

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0 许可证，可免费自行部署使用，无付费版本。

项目预览

auto-deep-researcher-24x7 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类智能体

开发团队Xiangyue-Zhang

GitHubhttps://github.com/Xiangyue-Zhang/auto-deep-researcher-24x7

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0 许可证，可免费自行部署使用，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型ai-agent,autonomous-agent,claude-code,deep-learning,experiment-automation,gpu,hyperparameter-tuning,llm-agent,machine-learning,mlops,pytorch,research-automation

GitHub 星标★ 1142

上线时间2026-04-08 00:00:00

代码更新2026-06-03

仓库体积12.4 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

这是一个自主运行深度学习实验的AI智能体，能在你睡觉时24/7不间断地执行实验任务。它解决的是研究人员需要长时间盯守实验、手动调参和监控的痛点。核心能力包括：基于Leader-Worker架构，Leader负责规划实验策略，Worker负责具体执行；采用恒定大小记忆机制，避免上下文无限增长导致性能下降；支持零成本监控，自动记录实验结果并生成报告。项目用Python实现，集成了Claude Code等AI工具，可自动进行超参数调优、实验对比和结果分析，让研究者无需守在电脑前，大幅提升实验效率。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1142

技术标签

ai-agent autonomous-agent claude-code deep-learning gpu

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 10 分钟部署方式：命令行工具 6 步

环境要求

已安装 Python 环境（需能运行 pip 与 python install.py）
已安装 git，用于获取项目代码
已安装 Node.js/npm，用于安装 happy-coder CLI
已具备并登录 Claude Code 或 Codex 账号（README 提到需运行 claude 或 codex login 登录）
可选：一台远程服务器或 Slurm 集群（用于 SSH/Slurm 执行模式）

安装与启动步骤

1获取项目代码

把仓库克隆到本地任意目录，后续所有命令都在该目录下执行。
```
git clone https://github.com/Xiangyue-Zhang/auto-deep-researcher-24x7.git
```
2安装 Python 依赖

在项目根目录执行，按 requirements.txt 安装全部 Python 依赖，需保证网络可访问 PyPI。
```
pip install -r requirements.txt
```
3一键安装技能

运行安装脚本，会向 Claude Code 注册 8 个斜杠命令、向 Codex 注册 8 个本地技能。
```
python install.py
```
4安装 CLI 并登录

全局安装 happy-coder 命令行工具，然后运行 claude 或 codex login 完成账号登录。
```
npm install -g happy-coder
```
5配置执行模式

编辑 config.yaml，默认 local 在本机跑；要让训练跑在远程服务器则改为 ssh 并填好主机与远程工作目录。
6配置模型提供者

若没有 Claude/Codex 订阅，可把 agent.provider 设为一词预设：deepseek、qwen、kimi 或 glm。

关键配置

配置项	必填	说明	示例
`execution.mode`	是	执行模式，默认 local，可改为 ssh 或 slurm	`local`
`execution.ssh_host`	否	SSH 远程主机地址，ssh 模式下必填	`user@your-server`
`execution.remote_workspace`	否	远程服务器上的工作目录，训练与日志存放位置	`/home/user/my_project/workspace`
`execution.remote_python`	否	远程主机使用的 Python 解释器	`python3`
`agent.provider`	否	模型提供方一词预设，替代 Claude/Codex 订阅	`deepseek`
`slurm_partition`	否	Slurm 模式下必填的分区名	`gpu-h200`

如何确认成功

安装后在 Claude Code 中能看到 8 个斜杠命令（如 /gpu-monitor）；Codex 中重启后能看到 8 个本地技能，即安装成功。

常见问题

Q：如何卸载已安装的命令和技能？

A：在项目目录执行 python install.py --uninstall 即可卸载。

Q：Codex 里安装后没看到技能怎么办？

A：Codex 需要重启一次才能加载本地技能，重启后即可看到 8 个本地技能。

Q：没有 Claude/Codex 订阅能用吗？

A：可以，把 agent.provider 设为一词预设 deepseek、qwen（dashscope）、kimi（moonshot）或 glm（zhipu）即可。

Q：想让训练跑在远程服务器上怎么做？

A：把 config.yaml 中 execution.mode 设为 ssh，并填写 ssh_host、remote_workspace、remote_python 等字段；控制器状态仍保存在本地。

Q：Slurm 模式下 GPU 参数为什么没生效？

A：Slurm 模式忽略 launch_experiment 的 gpu 参数，GPU 由 --gres 分配，不由 agent 固定 CUDA_VISIBLE_DEVICES。

注意事项

README 节选未给出启动实验的具体命令，实际执行入口依赖安装后的斜杠命令或本地技能。
SSH/Slurm 模式下控制器状态（PROJECT_BRIEF.md、workspace/MEMORY_LOG.md、state.json 等）始终保存在本地。
Slurm 模式必须设置 slurm_partition 与 slurm_time，作业由 --time 限制强制回收。
首次使用需先完成 claude 或 codex 登录，否则命令与技能无法调用模型。