Auto Claude Code 睡眠研究

要解决的问题

很多研究型工作具有明显的长尾特征：文献检索、信息整合、方案对比、草稿迭代，每一步单拎出来都不重，但串在一起就会吃掉大量清醒时段。当你白天要写代码、改 PR、开会时，「晚上让机器把研究跑完」 是一个反复出现的需求。传统做法要么手动分批执行 prompt，要么写一次性脚本，每次都要重新设计任务拆解，缺少可复用的结构。

Auto-claude-code-research-in-sleep 试图把这类研究流程沉淀为一组可调用的技能集合，让 Agent 在你休息时按既定策略推进任务，而不是每次都临时拼装。

技能如何工作

这个技能包共包含 185 个子技能文件，本质上是一套任务编排与执行的模板库。它不依赖某个单一入口，而是把一次完整研究拆成可组合的步骤：

• 任务定义：明确这次研究的目标、输入素材与预期产出
• 分步执行：每个子技能对应一个研究环节，可独立调用也可串联
• 结果回收：把中间产物汇总成可读的输出，供清醒后审阅

它的关键思路是 把「研究」从一次性的聊天变成可重放的流水线。你不需要每次重新解释上下文，技能文件里已经固化了常见研究场景的处理逻辑。

在兼容层面，它支持多个 Agent 平台，包括 Claude Code、Codex、Hermes Agent、OpenClaw、QClaw 和 WorkBuddy，覆盖了从终端工具到桌面 Agent 的不同形态。

适用边界与注意点

这套技能适合 研究任务边界相对清晰 的场景。如果你的研究对象本身高度不确定，或者需要大量人类判断介入（比如创意写作、模糊决策），自动化带来的收益会打折扣。

需要注意几点：

• 子技能数量较多（185 个），首次使用时建议先挑一两个跑通，再逐步扩展
• 各平台 API 与上下文窗口存在差异，同一个技能在不同 Agent 上的表现可能不一致
• 它不会替你做最终判断，睡眠期间产出的是研究素材与初步整理，结论仍需你来把控
• 对于强时效性任务（依赖最新外部数据），需要在运行前确认数据源的新鲜度