Autoresearch Agent 是一个自主实验循环技能，灵感来自 Karpathy 的 autoresearch。其核心理念是：你睡觉，智能体做实验，醒来看到结果。智能体编辑一个文件，运行固定评估，保留改进、丢弃失败，并无限循环——不是一次猜测，而是五十次可测量的尝试不断累积。
【用途】 该技能适用于任何“目标文件 + 可衡量成功方式”的场景。当用户表达“让这个更快/更小/更好”“为某指标优化某文件”“改进我的标题/文案/提示词”“通宵运行实验”“我想把某指标从 X 提升到 Y”等意图，或涉及优化、基准测试、改进、实验循环、autoresearch 等关键词时，该技能会被激活。
【主要能力】
- 斜杠命令：/ar:setup（交互式设置新实验）、/ar:run（运行单次实验迭代）、/ar:loop（以可配置间隔启动自主循环，如 10 分钟、1 小时、每天、每周、每月）、/ar:ar-status（显示仪表盘和结果）、/ar:ar-resume（恢复暂停的实验）。
- 实验域：engineering（代码速度、内存、包体积、测试通过率、构建时间）、marketing（标题、社交文案、邮件主题、广告文案、互动）、content（文章结构、SEO 描述、可读性、点击率）、prompts（系统提示词、聊天机器人语气、智能体指令）、custom（任何有可衡量指标的场景）。
- 内置评估器：免费评估器包括 benchmark_speed（p50_ms，越低越好）、benchmark_size（size_bytes，越低越好）、test_pass_rate（pass_rate，越高越好）、build_speed（build_seconds，越低越好）、memory_usage（peak_mb，越低越好）；LLM 评判评估器包括 llm_judge_content（ctr_score 0-10，越高越好）、llm_judge_prompt（quality_score 0-100，越高越好）、llm_judge_copy（engagement_score 0-10，越高越好）。LLM 评判调用用户已运行的 CLI 工具（Claude、Codex、Gemini），评估提示词锁定在 evaluate.py 中，智能体无法修改，防止作弊。
- 自定义评估器：用户可自行编写 evaluate.py，唯一要求是向 stdout 打印 metric_name: value。
- 结果查看与导出：通过 log_results.py 查看单个实验、某域下所有实验或跨实验仪表盘，支持 TSV、CSV、Markdown 导出格式。
【使用方式】 首次创建实验时运行 setup 脚本，用户决定实验存放位置：项目级（仓库内，git 跟踪，可与团队共享）或用户级（个人，位于 ~/.autoresearch/）。--scope 标志决定 .autoresearch/ 的位置。设置会创建 config.yaml、.gitignore 以及 {domain}/{experiment-name}/ 目录，包含 program.md（目标、约束、策略）、config.cfg（目标、评估命令、指标、方向）、results.tsv（实验日志，被 gitignore）和 evaluate.py（如使用 --evaluator）。results.tsv 列包括 commit、metric、status（keep/discard/crash）、description。
智能体协议：开始前读取 config.cfg 获取目标文件、评估命令、指标名、指标方向、时间预算；读取 program.md 获取策略与约束；读取 results.tsv 获取历史；检出实验分支。每次迭代：回顾结果、决定一个改动、编辑目标文件、提交、运行 run_experiment.py --single 评估、读取输出（KEEP/DISCARD/CRASH）。脚本负责超时运行评估、解析指标、与最佳比较、失败时回滚提交、记录结果。
策略升级：第 1-5 次运行低垂果实；第 6-15 次系统探索；第 16-30 次结构性变更；第 30 次以上激进实验。若 20 次以上无改进，更新 program.md 策略部分。每 10 次实验后回顾 results.tsv 模式并更新策略。
【适用场景】 适合需要持续、可量化优化的任务，如 API 速度优化、包体积缩减、测试通过率提升、构建时间缩短、营销文案点击率优化、提示词质量提升等。
【限制与规则】 每次实验只改一个变量；遵循简单性标准；绝不修改评估器（evaluate.py 是基准真相，修改将导致所有比较失效，必须硬停止）；超时处理（超过时间预算 2.5 倍则视为崩溃）；崩溃处理（连续 5 次崩溃暂停并告警）；不新增依赖；仅在用户中断、上下文限制或达成目标时停止。主动触发提醒包括：评估命令无效、目标文件未纳入 git、指标方向不明、时间预算过短、智能体修改 evaluate.py、连续 5 次崩溃、20 次以上无改进。
【安装】 一行命令（任意工具）：git clone https://github.com/alirezarezvani/claude-skills.git 然后 cp -r claude-skills/engineering/autoresearch-agent ~/.claude/skills/。多工具安装：./scripts/convert.sh --skill autoresearch-agent --tool codex|gemini|cursor|windsurf|openclaw。OpenClaw：clawhub install cs-autoresearch-agent。
【相关技能】 self-improving-agent（改进智能体自身记忆/规则，非结构化实验循环）、senior-ml-engineer（ML 架构决策，互补）、tdd-guide（测试驱动开发，测试可作为评估函数）、skill-security-auditor（发布前审计技能，非优化循环）。