在线做科研太折腾，从灵感到论文得跑好多环节：文献查找、实验调试、论文写作，费时费力。

开源项目 AutoResearchClaw 实现了从“聊个科研想法”到“生成完整学术论文”的全流程自动化科研！

它能自动：

- 挖掘 arXiv 和 Semantic Scholar 上真实文献，筛选高质量相关论文；
- 自动设计硬件感知实验，运行沙盒代码，出结果还能自我修复；
- 多智能体展开假说辩论和同侪评审，保障方法和证据一致性；
- 生成 NeurIPS/ICML/ICLR 级别的论文草稿、LaTeX模板和真实BibTeX引用；
- 进行4层引用检测，自动剔除虚假引用，保证论文品质；
- 具备“PIVOT/REFINE”自我迭代能力，实验失败还能自动调整方向；
- 支持OpenClaw集成，一条命令即可启动自动科研流程。

只要装好环境，配置好LLM接口，敲一句命令输入你的科研话题，它就能自动跑完从文献综述、假说生成、试验设计到撰写上传的一整套流程，无需人工看护。

ykdojo在github 上分享了关于Claude Code的 45 条实用技巧，从入门到高级，涵盖自定义状态栏、系统提示语精简、用 Gemini CLI 作为 Claude 代理、甚至让 Claude Code 自己在容器中跑自己，还有超实用的 dx 插件。| #技巧

主要看点：

- 一键设置自定义状态栏，实时显示模型状态、Git 当前分支、Token 使用率，随时掌控上下文空间（Tip 0）
- 利用 /compact 和半克隆脚本主动压缩对话上下文，让 Claude Code 保持高效运转（Tip 8、23）
- 使用 Gemini CLI 作为 WebFetch 的备胎，解决某些网站访问限制（Tip 11）
- 通过多终端分屏、多git worktree等工作流大幅提升多任务处理能力（Tip 14、16）
- 用 Claude Code 做写作助手，语音输入加速初稿生成，Markdown 格式极简高效（Tip 18、19）
- 自动执行写-测-改循环，结合 tmux 完成自动化测试和长跑任务（Tip 9、36）
- 精简系统提示语，减少 50% 以上 Token 占用，大幅延长对话长度（Tip 15）
- 将 Claude Code 打造成“万用界面”，本地文件操作、GitHub PR 审核、数据分析样样行（Tip 27、29、31）
- 利用 dx 插件集合，将多条实用命令和技能整合一键安装，极大提升开发体验（Tip 44）
- 快速部署一键脚本，配置状态栏、插件、别名、权限一次搞定（Tip 45）

无论你是刚接触 Claude Code 还是想解锁更高阶玩法，这份全方位技巧宝典绝对是提高效率，打造个性化 AI 助手的必备神器。

在线聊天记录和上下文管理总是难题，消息太多模型上下文窗口很快就撑满了。| #插件

一个超棒的开源插件 Lossless Claw（基于 LCM：Lossless Context Management），为 OpenClaw 提供了一套无损上下文管理方案。

它用有向无环图（DAG）替代传统滑动窗口，完美保存所有消息，通过智能摘要浓缩旧消息，又能即时复原细节，感觉像和一个“永不忘记”的智能助手聊天。

主要功能：

- 所有对话消息持久存储到 SQLite 数据库，确保数据不丢失；
- 采用 LLM 自动生成多层摘要形成聚合 DAG 结构，压缩旧内容但保持可展开细节；
- 每次对话上下文由最新消息+层级摘要组成，极大扩展了上下文容量；
- 配套 lcm_grep、lcm_describe、lcm_expand 等搜索和回溯工具，快速定位旧消息和内容；
- 支持自动分层压缩、会话持久化，减少手动操作；
- 多种可自定义参数调节压缩触发阈值、摘要深度、最新消息保护数量等。

安装只需在 OpenClaw中执行插件安装命令，一键启用，适合想突破上下文限制的AI项目和研究者。

Vibe Coding 指南：终极 AI 结对编程流程，帮开发者规划驱动开发，模块化拆解任务，一步步把想法变成可维护代码流水线。| #指南

它强调以“规划就是一切”为核心理念，采用递归自我优化的元方法论，规范 AI 生成的提示词和技能，防止项目陷入混乱。配合 VSCode 插件和终端 CLI，支持 Claude Opus 4.5 与 gpt-5.1-codex 等顶级模型，能实现从需求设计、技术选型、开发规划到代码实现的完整闭环。

主要功能：
- 详细的实施计划生成，分步指导开发与测试，保证质量；
- 系统提示词库和编码提示词库，约束 AI 行为边界；
- 模块化项目结构管理，防止代码膨胀和混乱；
- 支持多模型和工具集成，如 Codex CLI、Claude Code、LazyVim、Warp 终端等；
- 结合记忆库和上下文，提升 AI 代码生成准确度和连续性。

项目已开源，拥有丰富文档和实用工具，适合软件开发者想用 AI 高效编码、持续迭代和复盘。

在线代码评审经常面临一个难题：Claude Code 每次都要重读整个代码库，消耗大量计算资源和时间，效率低下。

code-review-graph 这个开源项目为 Claude Code 构建了本地代码知识图，自动解析你的代码库结构，精准定位改动影响范围，实现只读“关键文件”，大幅减少无用令牌消耗，帮你从海量代码中精准提取精华，让AI读代码更快更省心。

主要功能：
- 基于 Tree-sitter，支持12种语言（包括Python、TypeScript、Java、Go等）；
- 增量更新代码图，文件保存或 Git 提交后2秒内完成重解析；
- “爆炸半径”分析，精准追踪受影响代码和测试，避免全面扫描；
- 支持语义搜索、交互式可视化代码依赖图；
- 本地存储，无需云端依赖，数据安全放心；
- 实现代码审查时令牌消耗平均降低6.8倍，日常编码任务最高可达49倍。

使用方式也很简单：

pip install code-review-graph
code-review-graph install

然后打开项目告诉 Claude 构建图即可。