auto-research-zh

name	auto-research-zh
description	将长周期、开放式、研究型和优化型任务组织为带记分卡、实验日志和保留或回退决策的约束式迭代循环。适用于需要依靠持续探索、度量和 frontier 管理推进，而不适合一次性完成的任务。

Auto Research 中文版

概述

这个 skill 的目标，是把模糊、野心大、路径不清晰的任务，转换成一个受约束的研究循环。它是一个执行流程 skill，不绑定单一领域。

触发条件

当以下条件大部分成立时，触发这个 skill：

• 任务天然需要多轮推进，而不是一次完成。
• 最优方法未知，需要通过实验或调查发现。
• 任务存在可比较的主指标、评分规则或判断标准。
• agent 可以安全地进行小步试验并比较结果。
• 任务进展需要被结构化记录，供后续轮次继承。

以下情况不要触发：

• 简单的一次性任务。
• 完全没有可衡量进展标准的任务。
• 高频自主试验会带来明显风险的任务。

需要具体触发样例时，读 references/examples.md。

快速工作流

如果任务足够复杂，先复制这份 checklist 并跟踪进度：

Auto Research Progress:
- [ ] Step 1: 定义 scorecard
- [ ] Step 2: 建立 baseline
- [ ] Step 3: 排出 2-5 个假设
- [ ] Step 4: 运行一个有边界的 round
- [ ] Step 5: 记录结果并决定 keep/discard/retry/escalate
- [ ] Step 6: 更新 frontier summary

Step 1: 行动前先定义研究循环

在做大量动作之前，先定义：

• Objective：真正要达成的结果。
• Primary metric：比较轮次优劣的主指标。
• Guardrails：预算、时间、安全、品牌、法律、审批等边界。
• Action surface：agent 被允许改动的部分。
• Frozen surface：必须保持稳定、不能随意改动的部分。
• Episode size：单轮实验预算。
• Stop conditions：何时暂停、升级、或交还给人。

如果任务具有外部风险，副作用动作必须先审批。例如：发消息、花钱、对外发布、金融动作、注册账号、联系用户。

如果要为新目标创建研究工作区，使用 scripts/init_loop.py 初始化标准目录。

Step 2: 先建立基线

先做一次最便宜但诚实的 baseline。不要在不知道当前状态时就开始优化。

至少记录：

• 初始假设
• baseline 指标
• 当前瓶颈
• 最值得优先验证的 2-5 个假设

Step 3: 用短回合迭代

每一轮都遵守同一个模式：

1. 选择一个假设。
2. 做最小但有意义的改动。
3. 运行实验、调查或执行步骤。
4. 把结果写入循环日志。
5. 决定 keep、discard、retry 或 escalate。

优先选择许多便宜的小轮次，而不是一次大改。Action surface 要够窄，保证结果仍然可解释。

Step 4: 只基于证据前进

只有在以下情况之一成立时才保留改动：

• 主指标确实变好
• 在不损害目标的前提下，复杂度、可靠性或成本明显更优

以下情况应丢弃或回退：

• 指标变差
• 结果不确定，但引入了更多复杂度
• 改动违反 guardrail
• 本轮实验本身不干净，应重新运行

Step 5: 维护 frontier

每进行几轮，就压缩总结一次当前 frontier：

• 哪些方向明确有效
• 哪些方向明确无效
• 还剩哪些关键问题
• 下一批最优先的假设

不要让循环滑向随机游走。每一轮都应该要么推进 frontier，要么明确淘汰一条分支。

关键决策点

• 如果任务没有可用主指标，先定义 rubric，再开始实验。
• 如果任务会产生明显副作用，先设计 loop，再把执行动作挂到审批点后面。
• 如果单轮变化太多，先拆成更小轮次。
• 如果 evaluator 不断变化，要么冻结它，要么显式开新 track。

反馈回路

在把某一轮标记为 keep 之前，检查：

1. 这一轮是否只改变了一个主要变量？
2. 本轮 evaluator 是否和之前可比？
3. 结果是否真的写进日志了？
4. 新增复杂度是否值得保留？
5. frontier summary 是否应该更新？

运行规则

• 优化的是研究循环，不只是单个产物。
• 评估器尽量保持稳定。
• 严格区分可编辑面和冻结面。
• 每一轮都应便宜、可逆、可比较。
• 日志要足够清晰，确保别的 agent 可以接手。
• 当任务依赖外部变化事实时，优先联网并引用一手来源。
• 在高风险任务里，默认更强的审批和更紧的约束。

资源

• 需要完整设计哲学、记分卡方法、决策规则时，读 references/loop-design.md
• 需要模板时，读 references/templates.md
• 需要触发样例或重构样例时，读 references/examples.md
• 要初始化一个新的研究工作区时，使用 scripts/init_loop.py