Lightweight Autoresearch V2

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.

sjj2026@sjj2026

Install

openclaw skills install @sjj2026/shike-autoresearch

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

text

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

bash

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

text

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