autoresearch
将AI编程助手转化为自主迭代的改进引擎
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：autoresearch。 它的用途是：将AI编程助手转化为自主迭代的改进引擎 完整的 Skill 内容见：https://321skill.com/skills/autoresearch/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“/autoresearch: 优化这个排序算法的性能。” 它会自动分析代码，设定一个可衡量的性能指标（如执行时间），然后循环进行修改、测试和验证，直到算法达到目标性能。或者，你只需简单地说“提高这个API的响应速度”，它便会启动完整的自主优化流程。
介绍
Autoresearch 解决的核心问题是：如何让AI编程助手（如Claude Code、OpenCode）从一个被动的代码生成工具，转变为一个能够自主设定目标、持续迭代优化、直至达成指标的“改进引擎”。它通过将目标、约束条件和可衡量的成功标准结合，驱动AI进行自动化循环，实现代码或项目的持续优化。
使用方式非常直观：用户只需向AI助手（如Claude）输入一个简单的自然语言目标，例如“提高API响应速度”，Autoresearch便会自动将其分类、推导出可量化的成功谓词（如“延迟降低20%”），并在确认后启动自主循环。它会调用一系列子命令（如修改、验证、调试、修复等），不断迭代，直到满足预设的成功条件，用户无需手动干预整个链条。
这个Skill非常适合开发者和技术团队，尤其是那些希望将重复性、模式化的代码审查、性能优化、安全审计或文档生成任务自动化的人。它能够显著提升代码质量和开发效率，将开发者从繁琐的迭代工作中解放出来。
与同类AI辅助编程工具相比，Autoresearch的核心区别在于其“自主迭代”的理念。它不是一次性的代码生成或建议，而是建立了一个包含“设定目标-执行修改-验证结果”的完整反馈循环。它基于Karpathy的autoresearch理念，强调“约束+机械指标+自主迭代=复合收益”，这使得AI助手能够像永不疲倦的工程师一样，持续地朝着明确的目标推进。
核心特点
核心区别在于其“自主迭代”的闭环工作流。它不是一个单次生成工具，而是一个能自动设定量化目标、执行修改、验证结果并持续循环的“改进引擎”，将AI助手转化为一个不知疲倦的自动化优化代理。
注意事项
不适合需要高度创造性、非结构化或无法明确定义量化指标的任务，例如全新的产品概念设计或纯艺术创作。
常见问题
Autoresearch支持哪些AI编程助手？
支持Claude Code、OpenCode和OpenAI Codex。
使用它需要我手动编写复杂的指令链吗？
不需要。从v2.2.0开始，你只需用自然语言描述目标，Autoresearch的“自主编排器”会自动分类目标、推导成功标准并运行循环。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/autoresearch/raw/index.md 读取 autoresearch 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/autoresearch/raw/index.md（查看排版版本）