# exploratory-autoresearch

Скилл exploratory-autoresearch гоняет автономный цикл ML-экспериментов: сначала несколько диких переписываний, потом адаптивная фаза с запретом залипать на мелких правках.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, Windsurf (Devin Desktop), Claude.ai · ★ 185 у репозитория
- Автор: gaasher
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/gaasher/Agent-Loop-Skills/tree/HEAD/loops/exploratory-autoresearch/SKILL.md
- Обновлён: 2026-06-30
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/exploratory-autoresearch

## Что делает

Скилл ведёт автономный цикл ML-экспериментов и сам решает, какого рода правку вносить. Первые итерации — принудительные swing: полные переписывания, другие архитектуры и режимы обучения. Потом включается адаптивная фаза, где на каждом шаге выбирается swing, merge (склейка двух подходов из реестра) или exploit (доводка лучшего). Счётчики `swings_taken` и `consecutive_exploit` живут между итерациями, а stagnation guard после `<stagnation_limit>` exploit подряд следующий запрещает и разворачивает цикл к swing или merge.

Внутри — `loop.run.yaml` с биндингами (`<metric>`, `<run_cmd>`, `<editable_files>`, `<gate>`), журнал `results.tsv` с колонкой `move_type` и реестр `approaches.md`. Состояние хранится снапшотами `iter<N>/` в `<sandbox_root>` либо веткой `autoresearch/<run_tag>` в git. Для гейта по времени создаётся `run_with_timeout.sh`, для гейта по эпохам правится ограничение в одном из редактируемых файлов.

Нужен Python 3.9+ и скалярная метрика, которую можно вычитать из лога: иначе сравнивать итерации не по чему. Править можно только файлы из `<editable_files>`, остальное — read-only ground truth, включая eval harness, который эту метрику и считает. Первая итерация всегда baseline без изменений, и цикл идёт, пока его не остановят.

## Установка

### Claude Code (родная платформа)

1. **Через маркетплейс плагинов**
В чате агента (не в терминале):
```text
/plugin marketplace add gaasher/Agent-Loop-Skills
```
В чате агента (не в терминале):
```text
/plugin install agent-loops@agent-loop-skills
```
Команда ставит плагин agent-loops целиком, со всеми его скиллами

2. **Через Skills CLI (Vercel)**
```bash
npx skills add gaasher/Agent-Loop-Skills --skill exploratory-autoresearch -a claude-code
```

3. **Вручную: положить файлы**
- Файл: `~/.claude/skills/exploratory-autoresearch/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/exploratory-autoresearch/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add gaasher/Agent-Loop-Skills --skill exploratory-autoresearch -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/exploratory-autoresearch/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add gaasher/Agent-Loop-Skills --skill exploratory-autoresearch -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/exploratory-autoresearch/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install gaasher/Agent-Loop-Skills loops/exploratory-autoresearch/SKILL.md
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/exploratory-autoresearch/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add gaasher/Agent-Loop-Skills --skill exploratory-autoresearch -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/gaasher/Agent-Loop-Skills --path loops/exploratory-autoresearch
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/exploratory-autoresearch/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/gaasher/Agent-Loop-Skills/tree/HEAD/loops/exploratory-autoresearch/SKILL.md

## Когда брать
- пройти несколько разных архитектур до того, как залипнуть на одной
- выбрать между новой гипотезой, склейкой подходов и точечной правкой
- вести реестр опробованных подходов в `approaches.md`
- сравнить прогоны по одной метрике из лога
- вытащить цикл из бесконечных мелких правок

## Примеры запросов агенту
- Запусти exploratory-autoresearch: метрика `val_loss` из лога, правим только `train.py` и `model.py`.
- Сделай три диких swing, потом переходи в адаптивный режим с `stagnation_limit` 3.
- Сначала прогони baseline в `iter1/`, потом покажи таблицу из `results.tsv`.

## Похожие
- [autoresearch](https://affpapa.org/nevibecode/skills/autoresearch.md) — скилл · 3400 установок
- [autoresearch-agent](https://affpapa.org/nevibecode/plugins/autoresearch-agent.md) — плагин · ★ 30251 у репозитория
- [ar-status](https://affpapa.org/nevibecode/skills/ar-status.md) — скилл · 7 установок
- [experiment-queue](https://affpapa.org/nevibecode/skills/experiment-queue.md) — скилл · 496 установок
- [wandb-autoresearch](https://affpapa.org/nevibecode/skills/wandb-autoresearch.md) — скилл · 387 установок
- [autoresearch-loop](https://affpapa.org/nevibecode/skills/autoresearch-loop.md) — скилл · ★ 239 у репозитория

_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
