ARIS (Auto-Research-In-Sleep)

ARIS (Auto-Research-In-Sleep) es una capa de skills en Markdown puro, sin framework ni infraestructura propia, pensada para que un agente como Claude Code lleve adelante un flujo de investigación en machine learning de principio a fin: desde encontrar una idea hasta redactar el paper, generar la rebuttal o preparar las diapositivas de la presentación.

La pieza central es el ciclo de revisión cruzada: mientras Claude Code ejecuta la investigación, otro modelo (normalmente GPT vía Codex MCP, aunque también soporta Kimi, GLM, MiniMax, DeepSeek u otros) actúa como revisor crítico independiente, evitando que el mismo modelo audite sus propios puntos ciegos. Cada skill es un único archivo SKILL.md legible por cualquier agente LLM, así que el mismo flujo funciona igual en Cursor, Trae, Antigravity, Copilot CLI u OpenClaw.

Entre los flujos que expone están el pipeline de investigación completo, un modo dirigido que parte de un paper y un repositorio de referencia para encontrar y corregir debilidades concretas, un generador de rebuttals con controles anti-fabricación, y una wiki de investigación persistente que conserva papers, ideas, experimentos y resultados entre sesiones.

Para ponerlo en marcha no hace falta base de datos ni contenedores: basta con las skills en Markdown sobre el agente que ya uses, y opcionalmente una suscripción de ChatGPT (vía Codex MCP) o una API key de otro proveedor para habilitar la revisión cruzada.