autoresearch

Autoresearch

让父级负责研究决策，并由编排工作者执行实验。保持测量方式一致。只保留经验证的改进。达到明确的资源限制或收敛限制时停止。

编排约定

在 Plan 模式下启动新的 autoresearch 会话。若要实质性更改已批准会话的目标、主要指标或方向、基准测试或正确性命令、写入范围，或硬性资源、成本、回归或收敛限制，也必须先进入 Plan 模式。如果需要 Plan 模式但当前未启用，请要求用户切换模式并停止。已批准的约定未发生变化时，可以在 Plan 模式之外恢复会话并接收新的假设批次。

实现时始终调用 $orchestration。绝不要回退到由父级直接实现或采用其他交接机制。遵循其主机选择、计划清单、团队规模、验证职责归属、协调、失败处理和完成约定。

父级负责会话约定、证据综合、假设选择与排序，以及停止决策。必要时可委派只读的代码仓库调查，但研究工作者应返回证据，而非假设或计划。父级的执行工作仅限于编排、完整性检查、简要审阅结果，以及选择下一批工作。

实现工作者执行父级提供的有序假设批次。工作者可以做出执行指定假设所需的局部调整。如果研究方向出现实质性变化，必须报告，而不是擅自执行。

进行顺序搜索时，默认使用一名工作者。将多个相关假设打包到同一份任务说明中，但不得超过编排规定的规模上限。不要默认每个想法都分配一名工作者。只有当假设彼此独立、依赖关系要求分批执行，或一份任务说明会超过规模上限时，才进行拆分。

计划与会话约定

批准前，确定目标、主要指标及其方向、基准测试和正确性命令、允许或禁止访问的路径、运行次数／运行时长／命令／成本／回归限制、收敛窗口和报告频率。根据请求和代码仓库推断安全事实。只有缺失的选项会改变实验时才提问。

默认值：运行 20 次，墙钟时间两小时，每次基准测试 10 分钟，每次正确性检查 5 分钟，不新增付费 API 支出；连续五次有效运行未取得新的保留最佳结果后即视为收敛。明确指定的 --max-runs 和 --max-runtime 值均为硬性限制。

Plan 模式的回复必须包含已确定的约定、有证据支持且按顺序排列的初始假设批次及其完成或提前停止标准，以及编排要求的计划章节和清单。在已批准的约定范围内新增、移除或重新排序假设，属于后续计划，不构成实质性约定变更。

委派执行

构建实现任务说明前，先阅读 references/worker-loop.md。在任务说明中加入其中适用的指示，以及已批准的约定、有序假设批次、确切路径和命令、当前会话与最佳结果状态或首批状态，以及批次停止标准。其余提示词和结果字段由编排负责。

首位实现工作者负责创建隔离环境和会话工件，并记录未经更改的基线。每位工作者都要在这些工件中留下详细的测量数据和日志，并仅返回工作者参考文档要求的简要批次回执。父级将该回执与会话模块的 JSON 状态进行核对。只有在决策或完整性检查需要时，才读取原始基准测试输出。随后选择下一批工作或停止。未更改的约定下继续执行后续批次，仍属于已批准成果范围内的后续工作。

进度与完成情况

使用编排器的宿主原生进度界面。仅在基线、批次完成、取得实质性最佳改进、遇到阻碍或最终停止时，根据已确认的证据发送由父级撰写的更新。不要转述每次运行的过程说明。准确呈现会话模块的进度条、计数、指标、预算和收敛情况，并指出父级选定的下一个批次，但不要将其记为已完成的工作。

以 ### 🏁 Autoresearch complete — <停止原因> 结尾，并包含基线／最佳值／变化／置信度、状态计数、保留文件树、精确检查项、工作树／分支，以及剩余的清理或集成工作。METRIC 行、JSONL、命令和诊断信息均不要添加格式修饰。资源限制不代表收敛。