Dr. Claw: An AI Scientist Workspace for Vibe Research

Command-line coding agents (e.g., Claude Code, Gemini CLI) can already read and write files and sustain long sessions, yet end-to-end research still fragments across chat tools, IDEs, terminals, and writing environments, and the decisions that make it auditable are rarely preserved. We present Dr. Claw, an open-source workspace that wraps existing coding-agent executors in a controllable and auditable human-in-the-loop workflow rather than introducing another autonomous agent. Persistent state objects, a reusable skill library, and multi-executor coordination link human decisions to AI execution, turning planning, execution, and writing into one traceable, recoverable loop. We demonstrate Dr. Claw through an interactive three-view scenario and a failure-recovery walkthrough, and evaluate it against a bare command-line agent sharing the same backend executor, so the comparison contrasts the whole orchestration layer (task graph, state objects, and skill library) with the agent it wraps. Holding the executor fixed, Dr. Claw scores higher on research completeness while persisting an auditable, recoverable process trail. Demo access: repository https://github.com/OpenLAIR/dr-claw, released under AGPL-3.0 with GPL-3.0 upstream components.

한 줄 요약

Dr. Claw는 기존 명령줄 코드 에이전트를 감싸며 연구 과정을 추적 가능하고 복구 가능한 루프로 통합한 오픈소스 연구 워크스페이스이다.

핵심 기여도

**Vibe Research** 패러다임 정식화: AI 실행과 인간 결정 책임의 경계를 명확히 구분한 인간-인-루프 연구 orchestration 모델 제시.
**Dr. Claw 구현**: 58개의 단계 매핑된 스킬과 171개의 배포된 스킬을 포함한 모듈식 스킬 라이브러리, 태스크 그래프 중심 orchestration, 채팅 기반 플래너, 멀티에이전트 실행 계층 구현.
**실험적 평가**: 동일 백엔드 실행기에서 Dr. Claw는 베이스라인 대비 연구 완성도가 높으며, 과정을 추적 가능하고 복구 가능한 형태로 저장함을 보여줌.
**인간 중심 평가**: 3단계의 회고적 연구를 통해 효율성, 출력 품질, 통합 경험 향상과 연관성을 보여줌.

핵심 아이디어

Dr. Claw는 기존 명령줄 코드 에이전트(Claude Code, Gemini CLI 등)를 감싸는 방식으로, 연구 과정을 인간-인-루프로 통합하는 새로운 패러다임인 **Vibe Research**를 제시한다. 이는 단순히 AI의 자동화를 강화하는 것이 아니라, 인간이 연구 방향, 평가 기준, 최종 결정을 계속 주도하면서 AI는 반복적이고 병렬화 가능한 작업(검색, 코드 작성, 실행, 요약, 초안 작성)을 수행하는 협력 구조를 강조한다.

**Vibe Research**는 연구 과정의 모든 단계에서 인간의 개입이 가능하며, 실행 과정을 추적 가능하고 복구 가능한 형태로 저장함으로써 연구의 재현성과 신뢰성을 높인다. 이는 기존의 단일 에이전트나 멀티에이전트 프레임워크와 구별된다. Dr. Claw는 **태스크 그래프 중심 orchestration**, **채팅 기반 플래너**, **모듈식 스킬 라이브러리**, **멀티에이전트 실행 계층**을 통해 이 패러다임을 구현한다.

기술적 접근법

**모듈식 스킬 라이브러리**: 58개의 단계 매핑된 스킬과 171개의 배포된 스킬을 포함.
**태스크 그래프 중심 orchestration**: 연구 과정을 계획, 실행, 작성으로 분할하고, 이들을 하나의 추적 가능한 루프로 연결.
**채팅 기반 플래너**: 사용자가 자연어로 목표와 제약 조건을 입력하면, 시스템이 이를 실행 가능한 연구 루프로 변환.
**멀티에이전트 실행 계층**: 기존 명령줄 코드 에이전트와 호환되며, 복수의 실행 작업을 조율.
**State 객체**: 연구 과정의 상태를 지속적으로 저장하여 복구 가능하게 함.
**실행기 고정 실험**: Dr. Claw와 베이스라인 명령줄 에이전트를 동일한 백엔드 실행기에서 비교하여 orchestration 계층의 효과를 평가.

주요 결과

**연구 완성도**: 동일한 백엔드 실행기에서 Dr. Claw는 베이스라인 대비 연구 완성도가 높음.
**추적 가능성**: 과정을 추적 가능하고 복구 가능한 형태로 저장. 실험에서 실패 복구 시나리오를 통해 이점을 입증.
**인간 연구 평가**: 3단계의 회고적 연구에서 Dr. Claw는 효율성, 출력 품질, 통합 경험 측면에서 비통합 시스템 대비 우수함을 보여줌.
**스킬 라이브러리 활용도**: 171개의 배포된 스킬을 통해 연구 과정의 자동화 및 재사용성 향상.

의의 및 한계

Dr. Claw는 연구 과정의 **재현성**, **신뢰성**, **가독성**을 높이는 데 기여하며, AI 연구에서 인간-인-루프 협력 모델의 새로운 기준을 제시한다. 특히, **Vibe Research** 패러다임은 연구 과정의 모든 단계에서 인간의 개입이 가능하도록 설계되어, 연구의 투명성과 책임성을 강화한다.

그러나 한계점도 존재한다. 예를 들어, **실험은 통계적으로 유의미한 샘플 수를 기반으로 하지 않았으며**, 단일 실행 기반의 비교로 인해 일반화 가능성에 제약이 있을 수 있다. 또한, **모듈식 스킬 라이브러리의 확장성**과 **다양한 연구 도메인에 대한 적용 가능성**은 추가 연구가 필요하다.

실용적 활용

Dr. Claw는 AI 연구자들이 **코드 작성, 실험 실행, 결과 분석, 초안 작성** 과정을 통합된 워크스페이스에서 수행할 수 있도록 지원하며, 특히 **연구 과정의 추적 가능성과 복구 가능성**이 중요한 산업 및 연구 환경에서 유용하게 활용될 수 있다. 예를 들어, **학술 연구, 소프트웨어 개발, 데이터 과학 프로젝트** 등에서 연구 팀이 협업하면서 과정을 체계적으로 관리할 수 있도록 도와준다.