- name
- shike-autoresearch
- description
- CPU-based autonomous optimization loop for skill quality improvement. Runs experiments, evaluates results, keeps improvements. Use when: 自主优化, skill optimization, 达尔文优化, autoresearch.
- version
- 1.0.0
- author
- Shike
- license
- MIT-0
- tags
- [optimization, autoresearch, darwin, skill-quality]
Shike Autoresearch - 自主优化循环
基于 Karpathy autoresearch 的 CPU 版本自主优化循环
核心理念
评估 → 改进 → 实测验证 → 人类确认 → 保留或回滚
必需依赖
- git - 版本控制和代码回滚
- python3 - 运行实验代码
- subprocess - 执行实验脚本
权限说明
本技能需要以下权限（均为功能需求，限制在工作目录内）：
- 修改
experiment.py文件 - 运行
subprocess执行实验 - 写入
results.tsv记录结果 - 执行
git commit和git revert
三文件架构
| 文件 | 作用 | 谁修改 |
|---|---|---|
config.py | 配置参数、评估指标 | 只读（人类维护） |
experiment.py | 实验代码、测试逻辑 | Agent 自主修改 |
results.tsv | 实验记录 | 自动追加 |
自主循环流程
LOOP:
1. 查看当前配置状态
2. [检查点1] 确认优化方向
3. 修改 experiment.py
4. [检查点2] 确认改动内容
5. 运行实验
6. 提取结果
7. [检查点3] 确认是否继续
8. 判断：改进 → 保留 / 未改进 → reset
9. 记录到 results.tsv
10. [检查点4] 每10轮复盘
11. 重复适用场景
1. 技能包优化
- 自动测试不同 prompt 配置
- 自动评估技能成功率
- 找到最优技能结构
2. 策略回测
- 自动测试不同参数组合
- 自动评估收益率
- 找到最优策略配置
3. 内容创作测试
- 自动测试不同写作风格
- 自动评估内容质量
- 找到最优内容策略
关键检查点
检查点1：确认优化方向
触发时机：评估skill前 用户确认：当前最优配置、拟改进方向
检查点2：确认改动内容
触发时机：代码修改后，运行前 用户确认：git diff、改动说明
检查点3：结果验收
触发时机：优化完成后 用户确认：前后分数对比、是否保留
检查点4：定期复盘
触发时机：每10轮迭代后 用户确认：整体进度、趋势、资源消耗
停止条件
自动停止
- 达到最大迭代次数（默认100次）
- 连续10次无改进
- 资源耗尽
人工干预
- Ctrl+C - 优雅停止，保存当前状态
- SIGTERM/SIGINT - 接收信号停止
使用方式
cd /path/to/skill-directory
python3 run_loop.py --mode skill --target ./my-skill参数说明
--mode- 优化模式（skill/strategy/content）--target- 目标路径--iterations- 迭代次数（默认100）--timeout- 单次实验超时（秒，默认60）
示例输出
Round 1: 评估基线 - 62.8分
Round 2: 改进维度1 - 67.6分（+4.8分）
Round 3: 改进维度3 - 72.6分（+5.0分）
Round 4: 改进维度8 - 76.6分（+4.0分）
最终结果：
- 基线分数: 62.8
- 最终分数: 76.6
- 总提升: +13.8分（+22%）
- 成功率: 100%（4/4轮keep）技术支持
免费版：当前版本（MIT-0 license）
付费服务：
- 定制优化：¥500-2000/项目
- 企业部署：$500-2000
- 技术咨询：¥300/小时
联系方式：
- Email：sijj888@qq.com
- 微信：ailvyou88999
参考资源
- Karpathy autoresearch: https://github.com/karpathy/autoresearch
- OpenClaw Skills: https://github.com/openclaw/skills