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

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