用途：Auto Research 用于对代码、提示词、配置等可调对象进行快速、渐进式实验，目标是优化单位时间内的学习效率，最终产出参数-效果图与最佳已验证产物。
主要能力：先恢复研究状态（目标、反馈、已有记录、待处理任务、最佳已验证产物、回归集、假设队列与预算）；在实验前明确成功标准，区分正确性门槛与优化目标，澄清绝对分数、绝对变化或相对改进及基线；定义最小可用循环，记录可变参数与固定评估器，选择能暴露目标行为的低成本任务；建立基线并规划小批量假设，按单位时间信息增益排序；逐个测试假设，记录预测、观察、判定并更新参数-效果图；组合兼容的优胜者并验证交互；在回归集上检查后晋升；仅在取得进展后扩展覆盖；持续维护研究记录（契约、假设队列、参数-效果图、尝试台账、交接说明）。
使用方式：依据项目现有格式记录；先恢复状态，再澄清成功标准，然后建立基线、规划假设、逐个测试、比较观察与预测、组合晋升、扩展覆盖、根据所学重新规划。实验是检查点而非终点，持续进行直到目标通过验证、用户停止、预算耗尽或出现外部阻塞。
适用场景：优化代码、提示词、配置或其他产物；需要映射参数效果、进行渐进式实验、维护可复现研究记录的场景。
限制：不编造阈值或替代用户要求的改进；不假设增益可加；不隐藏回归；不重复运行扩展套件调试单个失败；不将基础设施故障视为候选回归；不因工作流顺序延迟披露重要发现；该技能本身不调度未来工作。