Codex Autoresearch 是一个围绕 Git 仓库进行自动化优化的工具，采用重复、可逆的实验流程来逐步逼近一个数值目标。
用途
该工具的核心思路是让实验循环自动运行：hypothesize -> change -> measure -> learn -> keep or revert -> repeat（假设 → 修改 → 测量 → 学习 → 保留或回退 → 重复）。它适用于自主优化，或管理需要反复尝试并衡量效果的仓库改进任务。
主要能力
- Codex 负责选择假设并做出代码改动。
- 控制脚本负责测量、提交、回滚以及事件历史。
- 每次运行只拥有一个 Git 仓库、一个数值指标、一个已确认的目标，以及已批准的路径范围。
- 只有经过验证达到目标才意味着完成；迭代上限、错误或外部阻塞都有各自的状态。
- 支持状态查询、历史查看、TSV 导出和 HTML 报告生成。
使用方式
控制脚本应解析为本技能自带的 scripts/autoresearch.py，不要假定它已安装到目标仓库中。
对于状态或结果请求，直接运行对应命令：
- 状态：python3 <control> status --repo <repo>
- 历史：python3 <control> history --repo <repo>
- TSV 导出：python3 <control> history --repo <repo> --format tsv
- HTML 报告：python3 <control> report --repo <repo>
报告所请求的结果，不要启动或恢复实验。对于 HTML 报告，返回生成的路径。
在开始或恢复实验之前，先阅读适用的工作流程（若尚未在上下文中）：
- 工作流程（Workflow）：启动、继续、恢复或更改实验。
- 后台（Background）：启动或控制一个分离运行。
对于新的前台运行，在创建其 Goal 之前必须成功完成初始化；Goal 标识返回的运行 id。如果初始化报告已完成，则不需要 Goal。
使用 finish 来结束每个连贯的实验。在活动运行期间，不要手动提交、回滚或编辑运行产物。
进入或恢复时，通过控制脚本验证状态。使用已记录的实验，而不是根据对话猜测。
对于命令和状态错误，应连同其诊断路径一并呈现。绝不绕过验证、编造指标或重建缺失的事件。
前台继续属于官方 Codex Goal。后台继续属于分离控制器。已启动的后台 worker 遵循其提供的实验契约，不启动新的启动流程。
适用场景
- 需要在 Git 仓库中朝一个数值目标反复进行可逆实验的自主优化任务。
- 需要管理反复实验并保留改进、回退失败改动的仓库改进流程。
限制
每次运行仅限一个 Git 仓库、一个数值指标、一个已确认目标以及已批准的路径范围。只有经过验证达到目标才算完成。在活动运行期间不应手动提交、回滚或编辑运行产物。其他信息（如具体收费、价格、平台等）暂未提供。