把研究智能体从“一次性 prompt”升级为可设计、可隔离、可审计、可交接的工程系统。
AutoResearch Skills 不是一组零散提示词，而是一套面向研究型 Coding Agent 的完整作业体系：从判断问题是否值得优化，到建立可信 Baseline、设计任务、隔离并发运行、审查证据，再到把上下文结构化交给下一个 Agent。
它解决的不是“怎样让 Agent 多跑几次”，而是更难也更重要的问题：怎样让一次自动研究经得起复现、比较、审计与继续执行。
研究空间 基线质量 任务设计 运行隔离 证据验收 跨 Agent 交接
│ │ │ │ │ │
└───────────────┴───────────────┴───────► 可复现的 AutoResearch 闭环 ◄─────────────┘
- 先证明问题值得研究。 区分真实方法空间与固定超参数搜索，避免把算力消耗包装成研究进展。
- 把公平性写进流程。 Baseline、预算、指标、产物和复现条件在运行前明确，结果不能靠事后解释。
- 证据优先，默认拒绝含糊结论。 QA 以结构化门禁检查提交、容器路径、平台接口和成对证据；缺证据就不能冒充完成。
- 隔离不仅是目录隔离。 同时约束运行环境、凭据、产物、时间和 Agent 上下文，降低并发研究互相污染的风险。
- 交接面向继续执行。 输出的是下一位 Agent 可以直接接手的状态、证据、阻塞和动作，而不是一段看似完整的总结。
- 隐私是发布门禁。 公开包、self-check、轨迹与附件逐件检查，不让“主包已脱敏”成为旁路泄露的借口。
| Skill | 负责什么 | 核心产出 |
|---|---|---|
autoresearch-optimization-surface |
判断任务是否存在足够的研究自由度 | 方法空间、固定项、可变项与反例 |
autoresearch-baseline-quality |
审查基线是否合理、公平、可复现 | Baseline 质量结论与修复清单 |
autoresearch-task-authoring |
把论文或代码仓变成可执行的研究任务 | 任务契约、预算、指标、验收与交付结构 |
autoresearch-run-isolation |
设计多 Agent 并发运行的隔离边界 | 工作区、凭据、产物与时限约束 |
autoresearch-task-qa |
对任务包和证据执行 fail-closed 审查 | 分层 QA 结论、失败项与可复核证据 |
autoresearch-conversation-handoff |
把本轮研究交给下一位 Agent 继续 | 可执行交接包，而非叙述性摘要 |
这些 Skill 可以独立使用，也可以按研究生命周期串联。推荐默认顺序：
optimization-surface
→ baseline-quality
→ task-authoring
→ run-isolation
→ task-qa
→ conversation-handoff
克隆仓库：
git clone https://github.com/bosprimigenious/autoresearch-skills.git
cd autoresearch-skills将需要的 Skill 软链到 Agent 的用户级 Skill 目录。以 Codex 为例：
ln -s "$PWD/skills/autoresearch-task-qa" \
~/.codex/skills/autoresearch-task-qa重启 Agent，让它重新发现 Skill。随后可以直接用自然语言提出任务，例如：
检查这个研究任务是否真的存在优化空间，并指出伪研究自由度。
审查这个 baseline 是否公平、可复现，缺什么证据就明确判失败。
把这个代码仓整理成可以交给多个 Agent 隔离运行的研究任务。
对交付包执行完整 QA，并生成下一位 Agent 能继续执行的交接。
仓库同时提供 SKILL.md、AGENTS.md 与 CLAUDE.md 派生格式，便于接入支持相应规则文件的 Coding Agent。不要复制多份后分别修改；选择一份工作树作为事实来源，其余目录使用软链。
项目不是靠 README 自证。仓库提供结构校验、静态 QA 与 134 个回归测试：
python3 scripts/validate_skills.py
PYTHONDONTWRITEBYTECODE=1 python3 -m unittest discover \
-s skills/autoresearch-task-qa/scripts -p 'test_*.py'GitHub Actions 会在每次 push 和 pull request 上执行同一组检查。
这套仓库能够验证的是 Skill 结构、任务契约和静态 QA 逻辑。它不会把以下事项伪装成已经完成：
- Docker 镜像确实能够构建并运行；
- 外部研究平台或 Harbor 接口确实可用；
- 真实训练已经完成并达到目标指标；
- 数据、模型、许可证或第三方材料具备公开授权；
- 静态扫描能够替代人工隐私与商业秘密复核。
运行时成功必须由运行时证据证明；公开发布必须逐件检查主包、self-check、轨迹和证据附件。详细门禁见 privacy-and-portability.md。
autoresearch-skills/
├── skills/ # 六个可组合的 AutoResearch Skill
│ └── <skill>/
│ ├── SKILL.md # 唯一规则源
│ ├── AGENTS.md # Agent 兼容格式
│ ├── CLAUDE.md # Claude Code 兼容格式
│ ├── agents/ # Agent 元数据
│ ├── references/ # 规范、清单与方法参考
│ └── scripts/ # 静态 QA 与测试（按需）
├── scripts/
│ └── validate_skills.py # 仓库级结构校验
└── .github/workflows/ci.yml # 持续集成门禁
仓库只包含通用规则、参考文档与静态检查代码，不包含真实任务包、对话记录、模型权重、凭据或私有平台附件。