ARI 入门
ARI 是一个端到端的自主研究系统：给它一个纯文本的研究目标，它就会调研既有工作、形成假说、运行真实实验、撰写论文，并验证自身的可复现性。本页是你头一个小时的地图。
学习路径
请按顺序进行 —— 每一步都假定你已完成前一步。
- 快速入门 —— 安装 ARI、选择一个 AI 模型，并从 Web 仪表盘启动你的第一个实验。以操作为中心：哪个按钮做什么。
- 你的第一个实验，端到端 —— 对一个小型实验从目标到复现论文的叙述式走查，解释为什么每个阶段都存在。在仪表盘可用后阅读此文。
- FAQ —— 新手最先遇到的问题：模型选择、
8765端口、输出去向、GPU/SLURM 检测、"为什么我的子节点显示相同的数字？"。 - 术语表 —— 反复出现的术语（BFTS、frontier、rubric、venue、EAR、ORS、CoW……）的一行定义，使概念文档读起来更顺畅。
然后按你的需要分支
| 如果你想…… | 前往 |
|---|---|
编写一份好的 experiment.md | 编写实验文件 |
| 在 SLURM/HPC 集群上运行 | HPC 设置 |
| 理解搜索如何工作 | BFTS 算法 · 架构 |
| 复现或审计一篇已发表的论文 | PaperBench 快速入门 |
| 添加你自己的能力（技能） | 扩展指南 |
| 完全从 CLI 驱动一切 | CLI 参考 |
| 修复出问题的东西 | 故障排除 |
两件值得先了解的事
- 仪表盘运行在
8765端口上。 在仓库根目录用./start.sh启动每个服务并打开 http://localhost:8765；用./shutdown.sh停止。 - 每次运行都是自包含的。 一次运行的所有状态都存于
workspace/checkpoints/<timestamp>_<slug>/之下 —— 不会向你的主目录写入任何东西，API 密钥来自.env，绝不来自已保存的设置。