用途：Autoresearch 受 karpathy/autoresearch 启发，把 ML 研究中的自主迭代模式迁移到代码质量改进。它通过固定、客观的指标加上 git 作为回滚机制，让智能体在无需逐次人工确认的情况下安全迭代：提出一处改动、运行测量、若指标改善则提交保留，否则用 git checkout -- . 回滚，重复直到手动停止。
主要能力与用法分四种模式：
- 扫描（默认）：运行 grep 指标（可调整为项目自身约定），检测已有循环，输出按优先级排序的建议表格。示例命令：/autoresearch
- --scaffold <loop-name>：在 scripts/autoresearch/{loop-name}/ 下生成三个机械文件——measure.sh（单一指标评估脚本，返回整数）、direction.txt（lower 或 higher）、files.txt（智能体操作范围）。示例：/autoresearch --scaffold loop-remove-as-any
- --run <loop-name>：执行自主循环。需先存在 measure.sh 与 program.md，否则报错退出。每次迭代读取 program.md 约束、提出一处针对性改动、应用后重新测量，按方向判断保留或回滚，并记录到 results.tsv。示例：/autoresearch --run loop-remove-as-any
- --status：扫描各循环，显示当前指标、迭代次数与保留数，状态为 ACTIVE 或 SCAFFOLDED。示例：/autoresearch --status
适用场景：移除 as any 类型断言、消除 eslint-disable、统一函数或接口写法、清理 TODO 注释等机械、可量化的代码质量改进；指标可为覆盖率或质量评分（此时方向设为 higher）。
限制：program.md 必须由用户手写，用于编码项目特定约束，工具不会自动生成；每轮只做一处改动；停止条件为指标达标、无更多机械改动可做或用户手动终止；运行前建议创建 worktree 并 cd 进入；measure.sh 与 files.txt 的具体内容需按项目实际调整。时间上扫描约 30 秒，单轮迭代耗时取决于改动范围，循环会一直运行。