用途：Autoresearch 是一个自主优化循环，AI 反复修改代码、运行基准、测量指标，变好就保留提交，持平或变差就 git revert，常用于降低测试耗时、包体积、训练损失、构建时间等可量化目标。
主要能力：以主指标为唯一判断标准（方向可高可低）；支持次级指标（内存、编译时间等）用于权衡监控；用 autoresearch.jsonl（追加日志）与 autoresearch.md（会话文档）在上下文重置后保留状态；记录 ASI（假设、结果、下一步提示、瓶颈）作为被回滚实验的记忆；支持多阶段 segment。
使用方式：触发时需提供目标、基准命令、主指标的名称/单位/方向、可选次级指标、可改文件范围与约束。设置阶段创建分支 git checkout -b autoresearch/<goal>-<date>，将 autoresearch.jsonl、autoresearch.md、autoresearch.ideas.md、run.log 加入 .gitignore；编写会话文档与基准脚本 autoresearch.sh，可选正确性检查 autoresearch.checks.sh；只提交 harness；跑基线并记录。每轮编辑→提交→运行→解析 METRIC 行→检查→保留或 git revert→记录→更新文档。基准输出形如 METRIC total_time=4.23，可用 bash autoresearch.sh 2>&1 | bash ${CLAUDE_SKILL_DIR}/scripts/parse-metrics.sh 解析；日志可用 log-experiment.sh 追加，状态检查用 bash ${CLAUDE_SKILL_DIR}/scripts/session-status.sh --file autoresearch.jsonl [--max-iterations N]。
适用场景：任何有可重复基准与明确数值指标、且能通过改代码影响该指标的优化任务。
限制：默认基准超时 600 秒、检查超时 300 秒，超时按崩溃处理；连续失败 ≥3 提示换思路，>8 触发 WALL 终止；无 max_iterations 时每 200 次运行需人工确认。必须优化真实负载而非基准测试本身。收费、价格与平台信息暂未提供。