experiment

name	experiment
description	実験駆動の反復改善ループ（autoresearch 方式）。毎回フレッシュなサブエージェントで 1変更→測定→保持 or revert。progress.md がイテレーション間の記憶。パフォーマンス最適化、リファクタリング、UI改善、バグ修正の試行錯誤に使う。「最適化して」「パフォーマンス改善」「リファクタリング」「試行錯誤して」「実験的に改善」で発動。
argument-hint	<optimization goal and measurement method>
allowed-tools	["Read","Write","Edit","Glob","Grep","Bash","Agent","Monitor","AskUserQuestion","PushNotification"]
model	opus
effort	high
paths	["**/*.py","**/*.ts","**/*.tsx","**/*.js","**/*.jsx","**/*.sh","**/*.rs","**/*.go"]

Experiment - autoresearch 方式の反復改善ループ

毎回フレッシュなコンテキストで実験。記憶はファイルに、判断は毎回リセット。

Sisyphus が計画駆動（要件→設計→実装）なのに対し、Experiment は実験駆動（試す→測る→残す or 戻す）。 autoresearch の原則: コンテキスト劣化を防ぐため、各イテレーションを独立したサブエージェントで実行する。

いつ使うか

• パフォーマンス最適化（レスポンス時間、メモリ使用量）
• リファクタリング（品質改善、コード整理）
• UI/UX 改善（見た目、操作感の調整）
• バグ修正の試行錯誤（原因が不明で複数のアプローチを試したい）

ゴール

$ARGUMENTS

現在の状態（動的注入）

変更統計

!jj diff --stat 2>/dev/null || git diff --stat HEAD 2>/dev/null || echo "変更なし"

最近のコミット

!jj log -r 'ancestors(@, 5)' --no-graph 2>/dev/null || git log --oneline -5 2>/dev/null || echo "履歴なし"

---

Step 1: ゴール設定 + progress.md 初期化

ゴール、メトリクス、ベースラインを設定し、progress.md に書き込む。

# Experiment Progress

## Goal
[何を改善するか]

## Metric
[どう測定するか — コマンドを具体的に書く]

## Baseline
[初期測定値]

## Current Best
[現在の最良値 — 初期はベースラインと同じ]

## Iterations
<!-- 各イテレーションの結果が追記される -->

## Failed Hypotheses
<!-- 棄却された仮説のリスト — 次のサブエージェントが同じことを試さないために -->

ベースラインなしに改善は測れない。 最初に必ず測定を実行し、progress.md に記録する。

Step 2: 改善ループ

以下を ゴール達成まで 繰り返す。

┌─────────────────────────────────────────────────────────┐
│  Iteration N                                             │
│                                                         │
│  1. Agent spawn（毎回フレッシュなコンテキスト）            │
│     → サブエージェントは progress.md だけを読んで実行      │
│     → 1つの仮説を立て、1つの変更を実装し、測定して報告    │
│                                                         │
│  2. メインエージェントが結果を評価                        │
│     改善 → コミットして保持                               │
│       jj describe -m "experiment: [仮説] → [結果]"       │
│       jj new                                             │
│       progress.md の Current Best を更新                  │
│                                                         │
│     悪化/変化なし → revert                                │
│       jj abandon                                         │
│       progress.md の Failed Hypotheses に追記             │
│                                                         │
│  3. 次のイテレーションへ                                  │
└─────────────────────────────────────────────────────────┘

Monitor 活用: 長時間テストの非同期測定

Metric コマンドの実行に 10秒以上かかる場合（フルテストスイート、ベンチマーク等）、Monitor を使って測定を非同期化する。テスト実行中に progress.md の更新や次の仮説の検討を並行できる。

判定基準: Step 1 のベースライン測定で実行時間を確認。10秒以上 → Monitor 方式、10秒未満 → サブエージェント内で直接測定（従来方式）。

┌─ Monitor 方式の Iteration N ───────────────────────────┐
│                                                         │
│  1. Agent spawn → 変更のみ実装して報告（測定は省略）      │
│                                                         │
│  2. Monitor で測定コマンドを非同期実行                    │
│     Monitor:                                            │
│       description: "Experiment iteration N measurement"  │
│       timeout_ms: 300000                                │
│       persistent: false                                 │
│       command: "<progress.md の Metric コマンド>"         │
│                                                         │
│  3. 測定待ちの間にメインエージェントが:                    │
│     - progress.md の Iterations セクションに仮説を記録    │
│     - 次のイテレーションの仮説を検討                      │
│                                                         │
│  4. Monitor から結果が到着 → 評価して keep/revert         │
└─────────────────────────────────────────────────────────┘

Monitor 方式の場合、サブエージェントの spawn テンプレートから手順 5（測定）を省略する。

サブエージェント spawn テンプレート

Agent:
  description: "Experiment iteration N"
  prompt: |
    あなたは実験の1イテレーションを担当する独立したエージェントです。

    ## 手順
    1. progress.md を Read して、ゴール・メトリクス・過去の結果を把握
    2. Failed Hypotheses を確認し、同じアプローチを繰り返さない
    3. 新しい仮説を1つ立てる
    4. その仮説に基づいて **1つだけ** 変更を実装
    5. progress.md に書かれた Metric コマンドを実行して測定
    6. 以下のフォーマットで結果を報告:

    ## Report
    - Hypothesis: [仮説]
    - Change: [何を変えたか]
    - Files: [変更したファイル]
    - Before: [変更前の測定値]
    - After: [変更後の測定値]
    - Verdict: improved / degraded / neutral

ルール

• 1反復1変更: 複数の変更を同時にしない。何が効いたか分からなくなる
• 測定が全て: 「良くなったはず」ではなく数値で判断
• revert は失敗ではない: 仮説が棄却されただけ。progress.md に記録して次に活かす
• サブエージェントに委任: メインエージェントは判定とファイル管理のみ。実装と測定はサブエージェントの仕事
• progress.md が唯一の記憶: サブエージェント間はこのファイルだけで知識を引き継ぐ

停止条件

• ゴール達成
• 3回連続で改善なし → AskUserQuestion でユーザーに方向転換を相談
• ユーザーが停止を指示

jj 操作

# 保持する場合
jj describe -m "experiment: [仮説] → [結果: +XX% 改善]"
jj new

# revert する場合
jj abandon

Step 3: 完了報告

ゴール達成または停止後、progress.md の内容をもとに結果をまとめる。

## 実験結果

### ゴール: [目標]
### ベースライン: [初期値]
### 最終値: [最終値]（[改善率]）
### イテレーション数: N（成功: X, 棄却: Y）

### 成功した変更
1. [仮説] → [結果]
2. ...

### 棄却した仮説
1. [仮説] → [棄却理由]
2. ...

### 学び
- [次回の実験に活かせること]

完了通知: 実験が 10 分以上走った または バックグラウンド実行が前提だった場合、PushNotification で結果サマリを送る（例: experiment 完了: 7 iter, +12% 改善、revert 3 件）。短時間（数分以内）で収束した場合や、ユーザーが画面を見ている可能性が高い場合は送らない。

Gotchas

• ベースライン測定を忘れて「なんとなく良くなった」で判断: 必ず数値で比較
• 複数の変更を一度にして何が効いたか不明: 1反復1変更を厳守
• revert せずに「まあいいか」で残す: 悪化した変更は必ず revert
• progress.md の更新を忘れる: Failed Hypotheses を書かないと次のサブエージェントが同じ失敗を繰り返す
• メインエージェントが実装に入る: メインは判定とファイル管理だけ。実装はサブエージェント

---

Step 1 のゴール設定から開始してください。まずベースラインを測定し、progress.md を作成。