codex-autoresearch
让AI自主进行代码实验，自动优化代码质量指标。
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：codex-autoresearch。 它的用途是：让AI自主进行代码实验，自动优化代码质量指标。 完整的 Skill 内容见：https://321skill.com/skills/codex-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
‘$codex-autoresearch，将单元测试的失败数量从10个减少到0个。’ 它会首先分析你的代码库，确认测试命令和解析方式，然后开始自动尝试修复测试用例，每次修改后立即运行测试验证，保留通过的修改，回退失败的尝试，循环直到所有测试通过。
介绍
Codex Autoresearch 是一个专为代码仓库设计的自动化实验工具。它解决了开发者在优化代码质量指标（如减少错误、提升测试覆盖率、降低延迟等）时，需要手动进行大量重复性尝试和验证的问题。
使用时，你只需告诉它一个可量化的目标（例如“将脚本的错误数降至0”），它会自动检查代码库，与你确认实验范围，然后开始循环：每次只做一处修改，验证效果，保留改进，回退失败，直到达成目标。整个过程无需复杂的配置或特殊的提示词。
这个工具非常适合那些需要系统性优化代码质量、但又不愿或没时间手动进行大量微调和测试的开发者。无论是修复遗留代码中的警告，还是提升新项目的性能基准，它都能作为一个不知疲倦的“实验员”来工作。
建议在开始前确保代码库处于干净的状态（已提交或暂存），并明确一个可以通过命令行精确测量的目标。对于长时间运行的实验，可以选择后台模式让其自动执行。
核心特点
核心区别在于其“自主、可测量、单变量”的实验循环：它严格遵循科学实验方法，每次只改变一个因素并进行验证，避免了多变量修改导致的混乱，并能自动回退无效更改，确保代码库的稳定性。
注意事项
不适合需要创造性解决方案或逻辑重构的复杂问题，主要针对可通过命令行工具量化测量的具体指标进行渐进式优化。
常见问题
它能优化哪些类型的指标？
可以优化任何能用命令行工具测量并输出数值的指标，如测试失败数、类型错误、代码覆盖率、构建延迟、二进制文件大小等。
运行实验时会影响我当前的工作分支吗？
不会，它会在一个全新的、独立的分支上运行所有实验，所有迭代产生的更改在最终确认前都不会污染你的主分支。
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/codex-autoresearch/raw/index.md 读取 codex-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/codex-autoresearch/raw/index.md（查看排版版本）