用途：autoresearch 搭建并运行一个自主优化循环，让子智能体迭代修改某个产物，用单一标量指标评估，保留改进、回退退步，适用于代码、配置、提示词、SQL、CSS 等可被 LLM 推理的产物。
主要能力：循环遵循“假设→编辑→评估→保留或回退→重复”。四个不变量为可编辑产物、评估预言机（在 stdout 输出一个数字的命令）、指标方向（minimize 或 maximize）、程序文档（人类撰写的意图、约束与边界）。
使用方式：先做设置访谈，明确优化对象、评估命令、指标方向、禁区与迭代次数（默认 20）。随后在项目根目录创建 .autoresearch/，包含 config.json、program.md、results.tsv，并准备评估脚本（stdout 只输出一个数字，诊断走 stderr，成功退出 0）。先跑基线记为第 0 次迭代，再创建分支 git checkout -b autoresearch/<topic>-<date>。循环中每次生成一个 researcher 子智能体，按其输出 JSON 解析 metric_value，改进则 git commit 并记录 kept=true，否则 git checkout -- 回退并记录 kept=false。停止条件包括达到最大迭代、用户中断、连续 5 次无改进或评估连续失败 3 次。结束后输出汇总报告。
适用场景：指标清晰、快速、标量，产物为单文件或少量文件，搜索空间大，且 LLM 能推理该产物。
限制：不适合无明确权重的多目标优化、需要人类判断的产物（视觉设计、UX、写作语气）、每次评估耗时数小时，或需要跨大量文件协同修改的变更。具体收费、价格与平台信息暂未提供。