技能介绍

它解决什么问题

在编码任务里，人工改一版、跑一次验证、再决定留不留，很容易变成反复切换上下文的机械劳动。这个技能面向的是“有明确目标、能写出验证命令或指标”的任务：它把 Claude Code、OpenCode 或 Codex 包成一个 指标驱动 的自主循环，每次只做 一个改动，用机械方式验证，然后自动 保留或回退，避免一次改多处后无法归因。

它如何工作

上游来自 Karpathy 的 autoresearch 思路：一个 630 行 Python 脚本能在一夜完成 100 次实验，靠的不是魔法，而是简单规则。技能把这种思路搬到编码任务：

准备条件：需要一个 Git 仓库、受支持的 agent 环境，以及可机械执行的验证命令或指标。
五步引导：capture goal → define scope → define metric → define direction → validate verify command；每一步都是闸门。
机械化门槛：scope 必须落到文件，metric 必须输出数值，verify command 要先跑 dry-run。
运行方式：/autoresearch 启动循环；在 inline config 里加 Iterations: N 可跑满 N 轮后停止。
迭代纪律：一次只改一处，验证通过就保留，失败或指标变差就回退，再进入下一轮。

适用边界与注意点

它适合目标清晰、验证可机械执行、仓库状态可控的任务，例如模型训练脚本、性能敏感模块、有明确指标的重构。如果验证命令不可靠、指标本身有噪声，或改动天然需要多文件联动，循环结果也可能被误导。它不替代架构判断，也不负责定义任务方向；你仍需保证 metric、direction 和 scope 正确。另外，无限循环只有在指标可靠且风险可控时才有意义；保守做法是先设 Iterations: N，观察几轮再放开。