Autoresearch
Автономная итерация: агент улучшает сам себя
О скиле
Скил реализует подход автономного исследования от Андрея Карпати: агент ставит задачу, измеримую метрику, запускает итерацию и автоматически улучшает решение пока метрика не достигнута. Принцип «constraint + mechanical metric + autonomous iteration = compounding gains» — без человека в цикле. Работает с Claude Code, OpenCode и OpenAI Codex. Подходит для оптимизации кода по производительности, улучшения качества ML-моделей, автотюнинга промптов. Если вы ML-инженер — запускаете эксперимент и агент сам ищет лучшие гиперпараметры. Если вы разработчик — агент итеративно ускоряет код до целевого порога.
Об источнике
Автор скила — uditgoenka. Репозиторий проекта собрал 5.1k звёзд на GitHub. Распространяется под лицензией MIT. Открыть репозиторий.
Как установить
Установка
Разбираю скилы вроде этого и близкие по теме «Данные и ИИ»: где брать, как собирать и применять их на практике.
Похожие скилы
// продолжай по той же профессии или категорииСвязанные гайды
// как применять скилы Claude Code на практикеЧастые вопросы
- Что такое скил «Autoresearch»?
- Как установить скил «Autoresearch» в Claude Code?
- Бесплатен ли скил «Autoresearch»?
Больше вопросов про Agent Skills — общий FAQ маркетплейса