Autoresearch 用于为任意优化目标搭建并运行自主实验循环：不断尝试想法，保留有效方案，丢弃无效方案，并持续运行。
用途：当被要求启动 autoresearch 或运行实验时使用。设置阶段需要询问或推断目标、命令、指标（含方向）、可修改文件范围和约束，然后创建分支：git checkout -b autoresearch/<goal>-<date>。阅读源文件、深入理解工作负载后，创建 experiments 目录并写入 autoresearch.md、autoresearch.sh 和 experiments/worklog.md，提交三者。初始化实验（向 autoresearch.jsonl 写入配置头）→ 运行基线 → 记录结果 → 立即开始循环。
主要能力：autoresearch.md 是会话核心，包含目标、指标、运行方式、可修改文件、禁区、约束和已尝试内容，使无上下文的新智能体也能有效运行循环。autoresearch.sh 是 Bash 脚本（set -euo pipefail），先快速预检，再运行基准并输出 METRIC name=number 行。JSONL 状态协议将所有实验状态保存在 autoresearch.jsonl 中，首行为配置头，后续每行是结果记录，字段包括 run、commit、metric、metrics、status（keep/discard/crash）、description、timestamp、segment。
使用方式：运行实验时执行 ./autoresearch.sh 并捕获计时与输出，解析 METRIC 行；根据主指标是否改善决定 keep 或 discard，命令失败记为 crash。keep 时提交并取短哈希，discard/crash 时回滚；随后追加结果到 JSONL、更新 dashboard 和 worklog。数据完整性协议要求写入前验证 JSONL、使用原子写入模式、写入后校验，并在需要用户确认的操作前备份。
适用场景：适合需要长时间自动迭代的优化任务，例如性能调优、参数搜索等。限制：资料未提供具体收费、价格、平台支持范围或效果保证；循环规则要求永不停止、不询问是否继续，用户消息在实验运行中会被纳入下一次实验。