用途：autoresearch 是一个自主研究编排技能，面向 AI 编程智能体，把研究当作项目管理来推进——从文献调研到发表论文的完整生命周期。它本身不做领域专家工作，而是负责编排，由领域技能执行具体任务。
主要能力：采用双循环架构。内循环快速迭代实验，围绕明确可测的指标（优化型如降低 val_loss，或发现型如检验机制假设）；外循环周期性回顾结果、寻找模式、更新 findings.md 并生成新假设。启动阶段做范围界定、文献检索与初始假设形成。支持在研究中随时回到文献、头脑风暴或转向。
使用方式：先建立工作区结构（research-state.yaml、research-log.md、findings.md、literature/、src/、data/、experiments/、to_human/、paper/）。必须首先设置智能体连续性循环：Claude Code 中运行 /loop 10m Continue autoresearch...；OpenClaw 中设置 10 分钟 cron 任务。实验前写协议并 git 提交，运行后做健全性检查、记录指标、更新状态。需要领域执行时按活动类型路由到对应技能目录（如 05-data-processing/、11-evaluation/ 等）。
适用场景：需要长时间自主推进的 AI/ML 研究项目，包括基准优化、机制可解释性探索、消融与误差分析，以及最终通过 ml-paper-writing 撰写论文。
限制：资料未提供具体收费、价格、平台支持范围或效果保证；运行依赖宿主智能体的循环机制与可用技能库，文献检索依赖 Exa MCP、Semantic Scholar、arXiv、CrossRef 等外部来源，缺失时需另寻替代。