autoresearch

Autoresearch

調査の判断とオーケストレーションは親が担い、実験の実行はワーカーに委任します。一貫した方法で測定します。検証済みの改善のみを保持します。明示されたリソース上限または収束上限に達したら停止します。

オーケストレーション契約

Plan モードで新しい autoresearch セッションを開始します。また、承認済みセッションの目的、主要指標または方向性、ベンチマークまたは正確性の確認コマンド、書き込み範囲、厳格なリソース、コスト、回帰、または収束の上限を実質的に変更する前にも、Plan モードを必須とします。Plan モードが必要なのに有効でない場合は、ユーザーに切り替えを依頼して停止します。承認済みの契約に変更がなければ、Plan モード以外で再開し、新しい仮説バッチを受け取ることができます。

実装には必ず $orchestration を使用します。親が直接実装したり、別の引き継ぎ方法を使ったりしてはいけません。ホストの選定、計画マニフェスト、チーム規模、検証の担当、調整、失敗、完了に関する規約に従います。

親はセッション契約、エビデンスの統合、仮説の選択と順序付け、停止判断を担います。必要に応じて、読み取り専用のリポジトリ調査を委任できますが、調査ワーカーが返すのはエビデンスであり、仮説や計画ではありません。親の実作業は、オーケストレーション、整合性チェック、簡潔な結果の確認、次のバッチの選択に限定します。

実装ワーカーは、親から与えられた順序付き仮説バッチを実行します。割り当てられた仮説を実行するために必要な局所的な調整は可能です。研究の方向性を実質的に変更する必要がある場合は、実行せずにその旨を報告します。

計画およびセッション契約

承認前に、目的、主要指標と方向性、ベンチマークと正確性の確認コマンド、許可されたパスと対象外のパス、実行、ランタイム、コマンド、コスト、回帰の上限、収束期間、報告頻度を確定します。依頼内容とリポジトリから安全に判断できることは推定します。実験に影響する選択が未確定の場合に限り、質問します。

デフォルトは、20 回の実行、2 時間の経過時間、ベンチマーク 1 回あたり 10 分、正確性チェック 1 回あたり 5 分、新たな有料 API 支出なし、そして新たに保持されたベスト結果がない有効な実行が 5 回連続した時点で収束とします。明示された --max-runs と --max-runtime の値は厳格な上限です。

Plan モードでの応答には、確定した契約、エビデンスに基づき順序付けされた初期仮説バッチと、その完了条件または早期停止条件、ならびにオーケストレーションが要求する計画セクションとマニフェストを含めます。承認済み契約内で仮説を追加、削除、または並べ替えることは、契約の実質的な変更ではなく、後続の計画にあたります。

委任実行

実装ブリーフを作成する前に references/worker-loop.md を読みます。該当する指示を、承認済み契約、順序付きバッチ、正確なパスとコマンド、現在のセッションとベスト結果の状態または初回バッチであること、バッチの停止条件とともに含めます。残りのプロンプトと結果フィールドはオーケストレーションが担います。

最初の実装ワーカーが分離環境とセッション成果物を作成し、変更前のベースラインを記録します。各ワーカーは詳細な測定値とログを成果物に残し、ワーカーのリファレンスで指定された簡潔なバッチ報告のみを返します。親はその報告をセッションモジュールの JSON ステータスと照合します。判断または整合性チェックに必要な場合に限り、ベンチマークの生出力を読みます。その後、次のバッチを選択するか、停止します。変更のない契約の下での追加バッチは、承認済みの成果の範囲内における後続作業となります。

進捗と完了

オーケストレーションのホストネイティブな進捗表示を使用します。親プロセスが作成した更新は、ベースライン、完了したバッチ、重要な最良改善、ブロッカー、または最終停止時に、確定した根拠に基づいてのみ送信してください。実行ごとの実況は中継しないでください。セッションモジュールの正確なバー、件数、メトリクス、予算、収束状況を表示し、次に親プロセスが選択したバッチを、確定済みの作業として記録せずに示してください。

### 🏁 Autoresearch complete — <停止理由> で締めくくり、ベースライン／最良値／差分／信頼度、ステータス件数、保持ファイルのツリー、正確なチェック項目、ワークツリー／ブランチ、残るクリーンアップまたは統合作業を記載してください。METRIC 行、JSONL、コマンド、診断情報には装飾を加えないでください。リソース制限は収束を意味しません。