القائمة
Karpathy Loop 式自主迭代改进框架。对 skill/skill-full/memory/code 执行「修改→评估→保留/回滚」无限循环。触发词：/auto-iterate、自动迭代、迭代改进、Karpathy Loop
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Technology scouting and evaluation for tools, frameworks, libraries, and technical approaches. Use when users need to evaluate technology options, compare frameworks, assess technical feasibility, scout emerging technologies, or make build-vs-buy decisions. Produces structured comparison matrices with objective criteria scoring.
使用 Semantic Scholar API 检索和验证学术论文。支持并发多关键词搜索、批量 ID/DOI 查询、引用分析、批量补全摘要、统一 Markdown 导出。覆盖 2.14 亿+ 学术论文，无需 API Key 即可使用。触发词：论文检索、论文验证、Semantic Scholar、S2 搜索、查论文、补全摘要、导出MD
中文/英文写作风格迁移与错误记忆工作流。适用于论文、学位论文、报告等场景，提供 style profile、error log、长期记忆与多智能体写作闭环。
Use when user sends /skill复盘 or /迭代清单, or asks to review skill usage and iteration suggestions from the current conversation.
汇总所有 Claude Code Skills 的目录与使用指南，支持检查 GitHub 更新。触发词：/skills、技能目录、skill列表、有哪些技能、检查更新
[由 collaborating-hub 路由] Codex CLI 后端实现。直接使用请通过 /collab 或 /codex 触发 collaborating-hub。
| name | auto-iterate |
| description | Karpathy Loop 式自主迭代改进框架。对 skill/skill-full/memory/code 执行「修改→评估→保留/回滚」无限循环。触发词：/auto-iterate、自动迭代、迭代改进、Karpathy Loop |
基于 karpathy/autoresearch 的自主迭代改进框架。 给定一个目标，AI agent 自主执行「修改 → 评估 → 保留/回滚」循环，持续改进直到被中断。
/auto-iterate <target-type> <target-path>/iterate skill ./SKILL.md、「帮我迭代改进这个 skill」| target-type | 目标 | 可修改内容 | 评估指标 |
|---|---|---|---|
skill | SKILL.md 文件 | 触发词、流程、约束、结构 | 8 维加权评估（脚本自动） |
skill-full | 完整 skill 目录 | skill.md + 脚本 | 定义+代码+规范+一致性 |
memory | agent 记忆目录 | 记忆文件增删改、索引 | 检索命中率+信噪比+索引 |
code | 代码文件 | 代码逻辑（用户指定边界） | 用户指定 eval_command 输出 |
git checkout -b auto-iterate/<date>-<target>commit\tscore\tstatus\tdescription，不 git track）LOOP FOREVER — 不暂停、不询问，持续迭代直到手动中断。
1. 读 git log + results.tsv，理解历史
2. 分析目标，提出一个聚焦的改进点
3. 修改目标文件
4. git commit -m "auto-iterate: <改动简述>"
5. 评估 → score 提升？ → keep；不变/下降？ → git reset --hard HEAD~1
6. 追加结果到 results.tsv → 回到步骤 1
每轮由独立 subagent 执行（防止上下文污染导致自我确认偏差）。
skill 和 skill-full 使用脚本自动评估，memory 用检索指标，code 用用户指定命令：
python3 ~/.claude/skills/auto-iterate/scripts/evaluate_skill.py <path>
python3 ~/.claude/skills/auto-iterate/scripts/evaluate_skill_full.py <dir>
eval_command（如 "pytest --tb=short -q"），输出解析为数值分数/auto-iterate skill ~/.claude/skills/my-skill/SKILL.md
输出格式 / Output Example — results.tsv：
commit score status description
a1b2c3d 5.78 keep baseline (8-dim skill evaluation)
e4f5g6h 6.12 keep remove fuzzy word, add pos/neg triggers
h7i8j9k 6.12 discard restructure evaluation section (no gain)
Timeout：每次迭代不超过 5 分钟，超时视为 crash。