用途：针对已有 Codex 技能做可度量的迭代优化，而非重写。它先固定当前基线，用二元评估（binary evals）给输出打分，每次只做一个改动（one-mutation-at-a-time），只保留不引起回退且能提升分数的改动。适用场景包括改善触发条件模糊、核心指令臃肿、支持文件放置不当、缺少验证、工作流边界不清等问题。
用法：需要提供目标技能路径、3 至 5 个测试提示、目标成功判定与 3 至 6 个二元评估、度量契约、Verify 过程与强制 Guard 检查、每次实验运行次数（默认 5）与停止预算。默认模式为 run；另有 plan、resume、review。未提供提示包时，使用 references/self-test-pack.md 作为默认测试装置。运行前须记录 run contract、证据来源策略、trace 断言与停止条件。
产出：改进后的技能文件，以及 .hyper/autoresearch-skill/[skill-name]/ 下的 results.tsv、results.json、results.js、dashboard.html、changelog.md、score-explanation.md、final-report.md、SKILL.md.baseline 等可恢复产物。仪表盘由 scripts/render-dashboard.mjs 渲染，不手工编辑。
限制：必须已有可优化的技能；不做通用文档改写，也不做无基线、无评估的一次性手动编辑。高阶集成需通过 $autoresearch 桥接，只有 completion_artifact_path 存在且 architect_review.verdict 为 approved 才算完成；完成前还需 Manual QA 制品与清理回执。面向读者的运行说明、分数解释与仪表盘文案默认输出韩语。具体定价、平台等资料暂未提供。