让AI通宵做实验：天亮收获优化结果——Autoresearch Agent

你有没有过这种感觉——想让 AI 帮你把某段代码跑快点、把某个指标优化上去，但改一次等结果、发现不对、再改……手动来回折腾，一晚上就过去了？

今天挖到一个 Skill，叫 Autoresearch Agent。一句话总结：你睡觉，AI 做实验，天亮了你来看结果。

它是怎么工作的？

原理很直接，有点像「AI 版阿尔法狗」：

• 给它一个文件 + 一个可量化的评估命令
• AI 每次改动一小处，跑评估，看分数
• 分数变好 → 保留（git commit）
• 分数变差或崩了 → 回滚（git reset）
• 然后接着试下一个方向，循环一整夜

这不是一次猜测，是五十次有测量依据的尝试，复合叠加。

适用场景

这个 Skill 特别适合这类问题：

• 代码层面：让函数跑得更快、让包体积更小、提升测试通过率
• 内容层面：优化文章标题点击率、广告文案 CTR、系统提示词效果
• 任何有「量化指标 + 可改文件」的场景

比如跟它说「把我这个 Python 函数的 p50 延迟从 45ms 降到 20ms 以下」，然后去睡觉。醒来很可能已经有答案了。

怎么用？

在 Claude 里激活这个 Skill 后，有几个斜杠命令可以用：

• /ar:setup — 交互式创建新实验
• /ar:loop — 启动自动循环，可以设 10 分钟/1 小时/每天/每周跑
• /ar:status — 看实验仪表盘和当前结果
• /ar:resume — 恢复被暂停的实验

首次设置需要指定：目标文件是什么、评估命令是什么（输出一个数字）、往哪个方向优化（越大越好 or 越小越好）。

为什么值得装？

手动优化就是这样：改一个参数、等结果、判断、再改……来回 5 次人就累了，后面开始乱猜。

Autoresearch Agent 把这个过程自动化了，而且永不疲倦、每步都测量、不骗自己。前 1-5 次跑低垂果实（明显优化），6-15 次系统探索，16 次往后探索结构性变化，30 次以后开始尝试完全不同的思路。

每跑 10 次，它还会回头看结果日志，自己更新策略——相当于一个越跑越聪明的优化机器。

GitHub 链接：https://github.com/agisota/old-one/tree/main/skills/autoresearch-agent

GitHub: https://github.com/agisota/old-one/tree/main/skills/autoresearch-agent