| name | run |
| description | Executar uma única iteração de experimento. Editar o arquivo alvo, avaliar, manter ou descartar. |
| command | /ar:run |
| agents | ["claude-code"] |
/ar:run — Iteração Única de Experimento
Executar exatamente UMA iteração de experimento: revisar histórico, decidir uma mudança, editar, fazer commit, avaliar.
Uso
/ar:run engineering/api-speed # Executar uma iteração
/ar:run # Listar experimentos, deixar usuário escolher
O Que Faz
Passo 1: Resolver experimento
Se nenhum experimento especificado, executar python {skill_path}/scripts/setup_experiment.py --list e pedir ao usuário para escolher.
Passo 2: Carregar contexto
cat .autoresearch/{domain}/{name}/config.cfg
cat .autoresearch/{domain}/{name}/program.md
cat .autoresearch/{domain}/{name}/results.tsv
git checkout autoresearch/{domain}/{name}
Passo 3: Decidir o que tentar
Revisar results.tsv:
- Quais mudanças foram mantidas? Que padrão elas compartilham?
- O que foi descartado? Evitar repetir essas abordagens.
- O que travou? Entender o porquê.
- Quantas execuções até agora? (Escalar a estratégia de acordo)
Escalada de estratégia:
- Execuções 1-5: Frutos de baixo custo (melhorias óbvias)
- Execuções 6-15: Exploração sistemática (variar um parâmetro)
- Execuções 16-30: Mudanças estruturais (trocas de algoritmo)
- Execuções 30+: Experimentos radicais (abordagens completamente diferentes)
Passo 4: Fazer UMA mudança
Editar apenas o arquivo alvo especificado em config.cfg. Alterar uma coisa. Manter simples.
Passo 5: Commit e avaliar
git add {target}
git commit -m "experiment: {descrição curta do que mudou}"
python {skill_path}/scripts/run_experiment.py \
--experiment {domain}/{name} --single
Passo 6: Reportar resultado
Ler a saída do script. Informar ao usuário:
- KEEP: "Melhoria! {metric}: {value} ({delta} do melhor anterior)"
- DISCARD: "Sem melhoria. {metric}: {value} vs melhor {best}. Revertido."
- CRASH: "Avaliação falhou: {reason}. Revertido."
Passo 7: Verificação de auto-melhoria
Após cada 10º experimento (verificar contagem de linhas do results.tsv), atualizar a seção de Estratégia do program.md com padrões aprendidos.
Regras
- UMA mudança por iteração. Não mude 5 coisas de uma vez.
- NUNCA modificar o avaliador (evaluate.py). É a verdade fundamental.
- Simplicidade vence. Igual desempenho com código mais simples é uma melhoria.
- Sem novas dependências.