Autoresearch 是一个面向目标驱动的自主迭代工具，核心方式是对某个指标执行“修改→验证→保留/丢弃”的循环，默认迭代次数有上限，可通过 Iterations: unlimited 显式解除限制。
主要能力以子命令体现：/autoresearch 围绕指标迭代（默认 25 次）；/autoresearch:plan 把目标转成经校验的 Scope、Metric、Verify 配置；/autoresearch:debug 以假设→测试→证伪方式找 bug（15 次）；/autoresearch:fix 逐个消灭错误直至归零（20 次）；/autoresearch:security 用 STRIDE 与 OWASP 及红队视角审计（15 次）；/autoresearch:ship 经清单→dry-run→部署→验证等 8 阶段发布；/autoresearch:scenario 跨 12 个维度生成边界用例（20 次）；/autoresearch:predict 由 5 个专家角色在实施前辩论；/autoresearch:learn 侦察代码库→生成文档→验证→修复（10 次）；/autoresearch:reason 通过盲审法官的对抗式辩论直至收敛（8 次）；/autoresearch:probe 用 8 个角色追问需求直至饱和（15 次）；/autoresearch:improve 研究 ICP 挑战、发现改进点并生成 PRD（15 次）；/autoresearch:evals 分析迭代结果中的趋势、平台期与回归。
通用参数包括 Iterations: N、Iterations: unlimited、--evals、--evals-interval N、--chain <targets> 以及 --<subcommand> 简写。安全约束：未经用户明确批准，绝不 push、publish 或 deploy；默认有界。所有结果记录到 autoresearch/{subcommand}-{YYMMDD}-{HHMM}/ 目录，并通过 handoff.json 进行链式交接，evals 读取 *-results.tsv。适用场景为需要按指标反复试验、调试、审计或交付的自动化工作流；限制与收费信息暂未提供。