# autoresearch-ai-plugin

Гоняет цикл «правка → замер → оставить или откатить» на любой метрике: скорость тестов, размер бандла, время сборки, loss обучения.

- плагин · `type=plugin` · Claude Code · ★ 13
- Автор: proyecto26
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/proyecto26/autoresearch-ai-plugin
- Обновлён: 2026-07-18
- HTML: https://affpapa.org/nevibecode/plugins/autoresearch-ai-plugin

## Что делает

Плагин даёт два скилла. Autoresearch — движок без привязки к домену: он правит код, запускает бенчмарк, сравнивает результат с прежним и оставляет только улучшения. Autoresearch ML — надстройка для обучения LLM на GPU NVIDIA с готовым шаблоном претрейна (GPT, Flash Attention, MuonAdamW) и метрикой `val_bpb`, не зависящей от размера словаря.

Состояние живёт в `autoresearch.jsonl`, поэтому сессию можно перезапустить или потерять контекст — история экспериментов остаётся. Отброшенные попытки не исчезают бесследно: по каждой пишутся структурированные заметки ASI, которые переживают `git revert`. Улучшения отделяются от шума замеров статистикой на основе MAD. Сегменты позволяют менять цель оптимизации прямо посреди сессии, не теряя накопленное.

Кроме скиллов плагин ставит слэш-команду `/run-autoresearch` и субагента Autoresearch Orchestrator: команда собирает цель, бенчмарк и метрику, а агент выполняет эксперименты партиями по 10 и возвращает чекпойнт после каждой. Эксперименты опираются на git commit и revert, так что без Git в проекте цикл не заработает. Для ML-скилла нужны GPU NVIDIA от 8 ГБ VRAM, CUDA 12.0+, Python 3.10+ и `uv`.

## Установка

### Claude Code (родная платформа)

**Через маркетплейс плагинов**
В чате агента (не в терминале):
```text
/plugin marketplace add anthropics/claude-plugins-community
```
В чате агента (не в терминале):
```text
/plugin install autoresearch-ai-plugin@claude-community
```

## Когда брать
- ускорить прогон тестов, подбирая конфигурацию автоматически
- уменьшить размер бандла перебором вариантов сборки
- сократить время сборки проекта
- снизить loss обучения LLM на своей видеокарте
- сравнить архитектуры модели по метрике `val_bpb`

## Примеры запросов агенту
- Запусти autoresearch, чтобы ускорить мой набор тестов
- Настрой цикл экспериментов для уменьшения размера бандла
- Запусти ML autoresearch на моей RTX 4090

## Похожие
- [autoresearch-agent](https://affpapa.org/nevibecode/skills/autoresearch-agent.md) — скилл · 589 установок
- [autoresearch](https://affpapa.org/nevibecode/skills/autoresearch.md) — скилл · 3400 установок
- [cost-benchmark](https://affpapa.org/nevibecode/skills/cost-benchmark.md) — скилл · 679 установок
- [local-llm-ops](https://affpapa.org/nevibecode/skills/local-llm-ops.md) — скилл · 448 установок
- [meta-harness-optimization](https://affpapa.org/nevibecode/skills/meta-harness-optimization.md) — скилл · 413 установок
- [llm-eval-harness](https://affpapa.org/nevibecode/skills/llm-eval-harness.md) — скилл · 372 установки

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md