用途：Autoresearch 是一个自主迭代实验循环，适用于任何具有可测量结果的编程任务。灵感来自 Karpathy 的 autoresearch，从机器学习训练推广到通用编程任务。
主要能力：代理会引导用户完成设置阶段，建立基线测量，每次实验前先提交以便干净回退，维护 TSV 结果日志，回退未改善指标的改动，并在循环启动后自主运行，不再询问是否继续。
使用方式：设置阶段需交互确认目标、指标命令与提取方式、方向（越低越好或越高越好）、可修改与只读文件、约束、实验预算和简洁性策略。随后创建分支（如 git checkout -b autoresearch/<tag>），初始化 results.tsv，运行基线。循环中依次执行思考、编辑、提交、运行、测量、决策、记录、继续；失败实验用 git reset --hard HEAD~1 回退。
适用场景：优化执行时间、内存、体积、测试通过率、覆盖率、延迟、吞吐、错误率、基准分数、构建时间等可量化目标。
限制：不得修改用户标记为范围外的文件；不得跳过测量；除非用户明确允许，不得保留指标回退的改动；未经批准不得安装依赖或更改环境。具体收费、价格与平台信息暂未提供。