ar-run 是一个用于执行单次自动研究（autoresearch）实验迭代的技能，来源于 alirezarezvani/claude-skills。它的核心用途是：每次只运行一个实验迭代，通过回顾历史、决定改动、编辑、提交和评估的流程，逐步优化某个目标指标。
主要能力
该技能执行一次完整的实验迭代，包含以下步骤：
- 解析实验：如果未指定实验，运行 python {skill_path}/scripts/setup_experiment.py --list 并让用户选择。
- 加载上下文：读取实验配置 .autoresearch/{domain}/{name}/config.cfg、策略与约束 .autoresearch/{domain}/{name}/program.md、实验历史 .autoresearch/{domain}/{name}/results.tsv，并切换到实验分支 git checkout autoresearch/{domain}/{name}。
- 决定尝试内容：回顾 results.tsv，分析哪些改动被保留、哪些被丢弃、哪些崩溃，以及已运行次数，据此调整策略。策略升级规则为：第 1-5 次运行采用低垂果实（明显改进）；第 6-15 次进行系统性探索（改变一个参数）；第 16-30 次进行结构性变更（算法替换）；第 30 次以上进行激进实验（完全不同的方法）。
- 做一项改动：仅编辑 config.cfg 中指定的目标文件，只改一处，保持简单。
- 提交并评估：执行 git add {target}、git commit -m "experiment: {short description of what changed}"，然后运行 python {skill_path}/scripts/run_experiment.py --experiment {domain}/{name} --single。
- 报告结果：读取脚本输出，告知用户 KEEP（改进）、DISCARD（无改进，已回滚）或 CRASH（评估失败，已回滚）。
- 自我改进检查：每完成第 10 次实验（检查 results.tsv 行数），用学到的模式更新 program.md 的 Strategy 部分。
使用方式
通过 /ar-run 命令调用。可以指定实验，例如 /ar-run engineering/api-speed 运行一次迭代；也可以不带参数运行 /ar-run，此时会列出实验并让用户选择。
适用场景
适用于需要对某个指标进行受控、迭代式优化的场景，例如工程领域的 API 速度优化。它强调每次只做一项改动、不修改评估器、简单优先、不引入新依赖。
限制
该技能每次只运行一个实验迭代，不进行批量实验。评估器（evaluate.py）被视为基准真相，禁止修改。不允许添加新依赖。关于收费、价格、平台支持等具体信息，资料中暂未提供。