用途：autoresearch 让智能体自主运行优化实验循环，适用于任何能把「更好」映射为数字的可测量目标，包括代码性能、提示词工程、邮件文案、配置调优、Lighthouse 性能分、查询速度等。人类先定义成功标准，智能体负责试错。
四个支柱：1）标量指标，一个唯一数字，明确越高越好或越低越好；2）评估器，输出该指标的自动化脚本，且智能体永不修改；3）程序，即 program.md，人类写明优化目标、允许与禁止的做法及约束；4）沙箱，一个允许智能体修改的单一文件或范围极小的目录。
初始化协议：先建立独立分支并提交基线，例如： git checkout -b autoresearch/<tag> git add . git commit -m "autoresearch: baseline" 随后编写 program.md、创建 results.tsv（表头为 commit、metric_value、status、description），并运行一次评估器填入基线数值。
优化循环：每轮先分析 results.tsv 历史生成假设；对沙箱做单次原子改动；运行评估器取指标并做正确性校验；若指标优于当前基线则提交并更新基线，否则回滚不提交，评估器崩溃时最多尝试修复两次；最后无论成败都追加记录到 results.tsv，并定期提交日志。
Git 检查点：改进被确认时提交；无改进时 git checkout -- <沙箱文件> 回滚；崩溃在两次修复失败后回滚并记为 crashed。
适用场景示例：代码性能（用 hyperfine 或基准脚本测毫秒）、提示词（LLM 评分 0-100）、邮件文案（模拟点击率或启发式分数）、配置调优（wrk 测每秒请求数）、CSS/Lighthouse 性能分。
限制与规则：不得修改评估器；每次实验只做一个改动；以日志证据优先于直觉；失败实验也是数据，需记录；每个实验需限时；指标存在自然波动时不追逐噪声。具体评估命令、阈值、价格等信息以实际项目资料为准，资料未提供的不作推断。