企业官网建设流程全解析

• 文档
• 知识库
• 深度研究

读了一篇不错的论文，却不知道如何把公式和伪代码落地成可运行代码？Awesome Auto Research Tools是一份自动化科研工具清单，其中Paper2Code、Paper2Agent 与 DeepCode三个项目正好覆盖"论文转代码（Paper to Code）"的核心场景：把机器学习论文变成可运行代码库，再把代码沉淀为可交互的智能体。本文带你快速了解这三款工具的分工与组合玩法。

为什么需要"论文转代码"（Paper to Code）

科研闭环大致是：

文献综述 → 想法生成 → 实验设计 →代码实现→ 实验执行 → 结果分析 → 论文撰写

对很多研究者来说，最耗时的往往不是读论文，而是复现论文：手动拆解方法、搭环境、补齐代码。Paper to Code 类工具的目标，就是用 AI 智能体自动完成"论文 → 可运行代码"这一步，让你把时间花在实验与分析上。Awesome Auto Research Tools 覆盖科研全流程工具，本文聚焦其中"论文到代码"的三驾马车。

清单速览：Awesome Auto Research Tools 怎么组织

• 6 大分类：自主研究系统、深度调研与文献综合、研究实现与实验、学术写作、Skills 与插件合集、Awesome Lists 与综述
• 中文清单见 README_CN.md，英文清单见 README.md
• 收录标准：500+ stars 且与自动化科研直接相关；star 数由 scripts/update_stars.py 定期拉取更新
• 清单以 CC0 1.0 协议发布（见 LICENSE），可自由引用

Paper2Code、Paper2Agent 与 DeepCode 都位于"研究实现与实验"分类，三条目详情可查看 README.md。

Paper2Code：把机器学习论文变成可运行代码库

💡一句话：ICLR 2026 论文提出的多智能体流水线，输入论文 PDF，输出可运行代码库。

• 三类 Agent 分工：规划（planning）→ 分析（analysis）→ 代码生成（generation），先把论文拆解成任务，再逐模块生成代码
• 模型选择灵活：默认 OpenAI o3-mini，也支持通过 vLLM 使用开源权重模型
• 适合场景：复现机器学习论文、快速搭出 baseline 代码骨架

Paper2Agent：让论文变成可交互的 MCP 智能体

💡一句话：把研究论文及其代码库转化为交互式 MCP 智能体，方法、数据和工作流都变成可调用工具。

• 基于Claude Code + MCP构建，由论文/代码库分析驱动
• 复现某个方法时不再需要通读原文——直接调用智能体暴露的工具即可
• 适合场景：把"读过但没细啃"的论文沉淀为团队可复用的科研资产

DeepCode：内置 Paper2Code 工作流的 Agentic 编码平台

💡一句话：面向科研与软件任务的 agentic 编码平台，把技术论文转化为可执行实现。

• 多智能体代码生成 + MCP + 沙箱执行：生成的代码在隔离沙箱中运行与调试，更安全
• 支持 OpenAI、Anthropic、Gemini、OpenRouter 等多种模型
• 适合场景：不仅要生成论文代码，还要在沙箱里跑起来、定位报错并迭代修复

组合实战：从论文到可复用智能体的完整链路

三个工具可以串成一条流水线：

1. 生成：用 Paper2Code 把论文转成可运行代码库
2. 执行与修复：在 DeepCode 的沙箱中运行代码、定位报错并迭代
3. 沉淀：用 Paper2Agent 将方法与工作流封装为 MCP 智能体，供后续研究随时调用

如何获取这份科研自动化工具清单

git clone https://gitcode.com/gh_mirrors/aw/Awesome-Auto-Research-Tools

打开仓库后，建议从 README_CN.md 入手浏览中文清单；想跟进 star 数更新机制，可以看 scripts/update_stars.py 与 tests/test_update_stars.py。

📌 清单会持续收录 Paper2Code、Deep Research 等科研自动化工具，建议收藏跟进更新。

• 文档
• 知识库
• 深度研究