运行

/ar:run — 单次实验迭代

执行恰好一次实验迭代：回顾历史 $\rightarrow$ 决定变更 $\rightarrow$ 编辑 $\rightarrow$ 提交 $\rightarrow$ 评估。

用法

/ar:run engineering/api-speed              # 运行一次迭代
/ar:run                                     # 列出实验，由用户选择

执行流程

第 1 步：确定实验

如果未指定实验，运行 python {skill_path}/scripts/setup_experiment.py --list 并请用户选择。

第 2 步：加载上下文

# 读取实验配置
cat .autoresearch/{domain}/{name}/config.cfg
读取策略和约束
cat .autoresearch/{domain}/{name}/program.md
读取实验历史
cat .autoresearch/{domain}/{name}/results.tsv
切换到实验分支
git checkout autoresearch/{domain}/{name}

第 3 步：决定尝试方案

审查 results.tsv：

• 哪些变更被保留了？它们有什么共同模式？

• 哪些被舍弃了？避免重复这些方法。

• 哪些崩溃了？分析原因。

• 目前运行了多少次？（据此升级策略）

策略升级路径：

• 第 1-5 次：低垂果实（明显的改进）

• 第 6-15 次：系统性探索（改变单个参数）

• 第 16-30 次：结构性变更（更换算法）

• 第 30 次以上：激进实验（完全不同的方法）

第 4 步：进行一次变更

仅编辑 config.cfg 中指定的目标文件。只改动一处，保持简单。

第 5 步：提交并评估

git add {target}
git commit -m "experiment: {变更内容的简短描述}"
python {skill_path}/scripts/run_experiment.py \
  --experiment {domain}/{name} --single

第 6 步：报告结果

读取脚本输出。告知用户：

• 保留 (KEEP): "有提升！{metric}: {value} (比之前最佳提升 {delta})"

• 舍弃 (DISCARD): "无提升。{metric}: {value} vs 最佳 {best}。已回滚。"

• 崩溃 (CRASH): "评估失败：{reason}。已回滚。"

第 7 步：自我改进检查

每完成 10 次实验（检查 results.tsv 的行数），根据学到的模式更新 program.md 的 Strategy 部分。

规则

• 每次迭代仅限一次变更。不要一次性修改 5 处。

• 绝不要修改评估器 (evaluate.py)。它是基准真相。

• 简单至上。性能相同但代码更简洁即视为改进。

• 不引入新的依赖。