uditgoenka/autoresearch

解决的问题

Autoresearch 是一个自主改进引擎，可将 AI 编程代理（如 Claude Code、OpenCode 或 OpenAI Codex）转化为持续的实验与优化循环。它通过自动化“进行更改、根据机械指标进行验证、并根据结果保留或撤销更改”的过程，解决了手动试错迭代的问题。

工作原理

系统按循环运行：它审查当前状态和历史记录，进行一次专注的更改，将更改提交到 git，运行机械验证（如测试或基准测试），然后根据结果保留改进或撤销更改。

关键运行规则包括：

• 原子化更改：每次迭代仅进行一次更改，以确保结果的原因清晰明确。
• 机械验证：依赖数字和指标而非主观判断。
• Git 作为记忆：每次实验都会提交到 git，允许代理读取日志和 diff 以为下一次迭代提供信息。
• 自动回滚：失败的更改会立即撤销。

适用对象

希望在无需人工干预的情况下，自主提高测试覆盖率、减小包大小、查找并修复 Bug 或执行安全审计的开发人员和工程师。

亮点

• 多代理支持：兼容 Claude Code、OpenCode 和 OpenAI Codex。
• 自主编排器：可以接收自然语言目标并自动推导出成功判定条件和流水线。
• 专用命令：包括用于调试 (/autoresearch:debug)、修复错误 (/autoresearch:fix)、安全审计 (/autoresearch:security) 和交付工作流 (/autoresearch:ship) 的专用循环。
• 安全护栏：包含用于阻止危险命令、保护私钥和防止上下文膨胀的钩子。
• Token 效率：采用路由架构，与单体提示词相比，可减少高达 95% 的 Token 消耗。