Что это
self-hosted AI research assistant для работы с papers, LaTeX, literature search, deadlines, project memory и research channels.
Бизнес-проблема
research workflows разваливаются между PDF, arXiv, PubMed, Overleaf, notes, deadline tracking и ежедневными scans. Research Claw собирает это в локальный assistant-loop.
Практическая польза
для AI-Ready может быть полезен как прототип Research Radar / Content Research Desk: собирать источники, читать PDF, вести project memory, делать daily/weekly digests и готовить материалы для wiki.
Почему интересно сейчас
Показатели активности относятся к исходному обзору от 2026-06-29. Перед выбором технологии их нужно проверять заново; сами по себе они не доказывают качество или готовность.
Технические особенности
Python 3.11+; CLI, Web UI, Telegram, Feishu, QQ, DingTalk; поддерживает OpenAI-compatible API, GPT, DeepSeek, Qwen, Claude; есть sub-agents, DAG task execution, Overleaf sync, git rollback, arXiv/PubMed/OpenAlex/PDF reading, scheduled scans.
Значение для AI-Ready
component / research direction. Риски: academic-first фокус, не готовый business radar; нужно проверить источники, качество summary и поддержку русского. Вердикт: Watch / Test for AI-Ready radar.
Риски
- Academic-first workflow не равен технологической разведке рынка и требует другой таксономии сигналов.
- Интеграции с каналами и Overleaf создают внешние действия и новые секреты.
Граница вывода
Первый тест — локальное чтение открытого paper corpus без сообщений, синхронизации и автоматической публикации.
Ключевые риски
- Academic-first workflow не равен технологической разведке рынка и требует другой таксономии сигналов.
- Интеграции с каналами и Overleaf создают внешние действия и новые секреты.
Разберите эту страницу со своей LLM
Скопируйте контекст страницы в ChatGPT, Claude, Gemini или другую LLM и попросите применить эту схему к вашему бизнесу.
Можно спросить:
- Какую задачу AI-Ready разумно проверить с помощью Research Claw?
- Какие риски и ограничения нужно закрыть перед пилотом Research Claw?