用途
autoresearch 用于自动进化一个已存在的技能（skill）。它通过研究更好的实现方式、生成多个变体、对变体打分，最终把最优版本作为 PR 提交，从而持续改进技能质量。
主要能力
- 加载并解析目标技能：读取 skills/${var}/SKILL.md，解析其用途、数据来源（API、URL、命令）、输出格式和依赖（环境变量、工具、其他文件），并保存原始内容用于后续 PR diff。
- 研究改进方向：搜索网络上更优的做法，包括替代或互补的 API/数据源、该领域最佳实践、常见陷阱与失败模式、更具可操作性的输出格式；同时回顾 memory/logs/ 中该技能最近的运行记录，以及 memory/cron-state.json 判断是否持续失败。
- 生成 4 个变体：
- 变体 A — 更好的输入：改进数据源，增加替代/互补 API、更好的搜索查询、更可靠的端点，修复失效或弃用的来源。
- 变体 B — 更精炼的输出：改进输出格式与内容质量，使通知更可操作、文章更充实、分析更有洞察力，降低噪音。
- 变体 C — 更强的健壮性：改进可靠性与边界情况处理，增加 API 失败时的回退逻辑、更好的去重、空数据的优雅处理、更清晰的错误信息。
- 变体 D — 重新思考：用根本不同的方法达成同一目标，采用不同方法论、不同角度或原技能未考虑的创意组合。 每个变体都必须保留原始 frontmatter 格式（name、description、var、tags），遵循 Aeon 技能约定（读取 memory、记录到 memory/logs/${today}.md、通过 ./notify 通知），是完整可运行的 SKILL.md，并在正文顶部包含一行注释说明变体与论点。
- 评估与打分：对每个变体按 1-5 分在六项标准上评分——清晰度、数据质量、输出价值、健壮性、约定遵循度、改进幅度。加权计算总分：改进幅度权重 3x，输出价值 2x，清晰度/数据质量/健壮性各 1.5x，约定遵循度 1x。
- 选择并应用胜出者：选取得分最高的变体；若总分非常接近（相差 2 分以内），优先选择单项改进最大的变体而非小幅增量改动。将胜出版本写入 skills/${var}/SKILL.md 替换原文件。
- 创建 PR：新建分支 autoresearch/${var}，提交改动并推送，通过 gh pr create 打开 PR，标题为 improve(${var}): autoresearch evolution，正文包含完整评分表、胜出变体的论点、改动 diff 摘要，以及全部 4 个变体的摘要。
- 通知与记录：通过 ./notify 发送胜出变体、得分、关键改动和 PR 链接；并记录到 memory/logs/${today}.md。
使用方式
该技能需要一个变量 ${var}，即要进化的技能名称（例如 token-movers），为必填项。若 ${var} 为空，则中止并提示 "autoresearch requires var= set to a skill name" 后退出。执行前会读取 memory/MEMORY.md 获取上下文。
网络方面：没有网络沙箱，curl 可用，WebFetch 作为不稳定的公共 GET 的回退。对于需要认证的 API，使用 ./secretcurl 并配合 {ENV_NAME} 占位符（密钥通过 requires: 注入），不要使用裸 $SECRET。
适用场景
适用于需要持续改进已有技能质量的自动化工作流，尤其是那些依赖外部数据源、需要定期产出分析或通知的技能。
限制
- 绝不降级一个可正常工作的技能：如果所有变体在“改进幅度”上的得分都低于或等于原始版本，则跳过更新并通知 "No improvement found for ${var} — all variations scored at baseline."。
- 保留技能的核心用途——是进化而非替换。
- 未经充分理由不得更改技能的 tags 或 var 语义。
- 不得添加工作流中尚不可用的环境变量（需检查 aeon.yml secrets）。