autoresearch

扔个问题给它，全网资料自动整理成报告

Claude Autoresearch 技能：为 Claude Code 实现自主目标驱动迭代，受 Karpathy 的 autoresearch 启发，遵循“修改→验证→保留/丢弃→循环”模式，让智能体持续自动优化。

开源 unknown 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 6356

维护状态维护中

是否开源是

定价模式 unknown

项目数据

分类智能体

开发团队uditgoenka

所属国家

官网地址https://udit.co/projects/autoresearch

GitHubhttps://github.com/uditgoenka/autoresearch

定价模式unknown

价格说明官网为个人项目页，未提供定价信息，需进一步确认。

访问状态

是否开源是

开源协议MIT

主要语言Shell

技术栈/模型ai,autonomous-agent,autoresearch,claude,claude-code,iteration,karpathy,productivity,skill

GitHub 星标★ 6356

30天Star增速

HF 下载量

上线时间2026-03-13 00:00:00

最近更新2026-09-22 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数11

使用教程

难度：入门约 10 分钟部署方式：命令行工具 5 步

环境要求

已安装 Git（用于克隆仓库）
已安装并配置好 Claude Code、OpenCode 或 OpenAI Codex 其中之一
终端可执行 shell 脚本（install.sh 为 Shell 脚本）
本地项目需提前定义可机械度量的指标与验证命令

安装与启动步骤

1克隆仓库

从 GitHub 拉取 autoresearch 源码到本地，后续安装脚本与技能文件都在此目录中。
```
git clone https://github.com/uditgoenka/autoresearch.git
```
2安装到 OpenCode

进入仓库目录，运行引导式安装脚本，--global 表示安装到全局配置以便任意项目使用。
```
cd autoresearch
./scripts/install.sh --opencode --global
```
3安装到 Codex

若使用 OpenAI Codex，改用 --codex 参数执行同一安装脚本，同样支持全局安装。
```
cd autoresearch
./scripts/install.sh --codex --global
```

4手动复制（备选）

不想用安装脚本时，可手动把 OpenCode 的技能与命令目录复制到项目本地 .opencode 下。

git clone https://github.com/uditgoenka/autoresearch.git
cp -r autoresearch/.opencode/skills/autoresearch .opencode/skills/autoresearch
cp autoresearch/.opencode/commands/autoresearch*.md .opencode/commands/

5运行自主循环

用 /autoresearch 触发，补全 Goal、Scope、Metric、Verify、Iterations，代理会先建基线再迭代。

/autoresearch
Goal: Increase test coverage from 72% to 90%
Scope: src/**/*.test.ts, src/**/*.ts
Metric: coverage % (higher is better)
Verify: npm test -- --coverage | grep "All files"
Iterations: 25

关键配置

配置项	必填	说明	示例
`Goal`	是	本次自主迭代要达成的目标描述	`Increase test coverage from 72% to 90%`
`Scope`	否	限定可被修改与只读的文件范围	`src/*/.test.ts, src/*/.ts`
`Metric`	是	机械可度量的评价指标及优化方向	`coverage % (higher is better)`
`Verify`	是	每轮迭代后执行的验证命令，输出作为判定依据	`npm test -- --coverage \| grep "All files"`
`Iterations`	否	循环最大迭代次数，达到后自动停止	`25`

如何确认成功

在 OpenCode 或 Codex 中输入 /autoresearch 或 $autoresearch，能看到技能响应并进入 setup 阶段即安装成功。

常见问题

Q：支持哪些 AI 编码工具？

A：核心技能、运行时、安装与验证同时支持 Claude Code、OpenCode 和 OpenAI Codex；但 Hook 防护只有 Claude Code 可用。

Q：Codex 里怎么调用？

A：使用 $autoresearch 提及语法，子命令以关键字形式给出，例如 $autoresearch plan、$autoresearch debug、$autoresearch evals。

Q：OpenCode 有哪些子命令？

A：共 14 个命令，如 /autoresearch_debug、/autoresearch_fix、/autoresearch_improve 等。

Q：循环什么时候结束？

A：运行指定次数（如 Iterations: 25）后自动停止，或由你手动中断；失败的改动会自动回滚，改进则被保留。

注意事项

所有 hooks 默认开启，仅在排查问题时才单独关闭。
运行前代理会先读取上下文、定义目标与范围，并在当前状态跑一次基线（iteration #0）。
v2.2.0 起 Orchestrator 支持直接输入自然语言目标，先分类目标并推导 Success 谓词，确认后自动串联子命令。
Codex 安装包内含打包好的 orchestrator 与 regression helpers，位于 plugins/autoresearch/skills/autoresearch/ 和 .agents/skills/autoresearch/。

核心亮点

将Karpathy的自主研究理念落地为Claude Code技能，实现目标驱动的持续迭代循环，显著提升复杂任务的自动化完成能力
采用修改→验证→保留/丢弃的闭环机制，能够自主优化解决方案，减少人工干预，适合长周期研发任务
基于Shell实现，轻量易集成，与Claude Code生态无缝衔接，安装和使用门槛低

不足之处

依赖Claude Code环境，对非Claude用户或团队协作场景兼容性有限
自主迭代可能产生不可控的副作用或资源消耗，缺乏显式的安全/预算控制机制
文档/社区待观察

适用场景

自动化代码重构与bug修复，通过持续迭代提升代码质量
研究型任务探索，如技术方案调研、数据分析或文献综述的自主生成
在Claude Code工作流中作为增强技能，处理多步骤、需反复验证的工程任务

替代项目

OpenAI Swarm、AutoGPT、MetaGPT

项目介绍

autoresearch 是智能体领域的开源项目，由 uditgoenka 开发，是 2026 年新上线的项目。

在全站 13,014 个收录项目中，它的 GitHub 星标数（6,356）位列前 8%，在智能体分类的 2,499 个项目里位列前 8%。

近 44 天，它的 GitHub 星标从 5,805 增加到 6,356，净增 551。

项目仍在小幅维护中，最近一次代码更新于 2026-09-22。官网为个人项目页，未提供定价信息，需进一步确认。从国内网络环境看，可直接访问。

它主要面向的使用场景是：自动化代码重构与bug修复，通过持续迭代提升代码质量。同类可对比的替代方案包括 OpenAI Swarm、AutoGPT、MetaGPT。

上一篇：Upsonic

下一篇：codex-autoresearch