自主研究技能包

基于 Karpathy 理念的自主实验工具包，支持机械评估与夜间持久运行，适用于代码、提示词及配置的迭代优化。

自动迭代消除错误直至清零，优先处理依赖项错误，拒绝掩盖问题的反模式。适用于批量修复编译、测试或代码检查错误。

基于可证伪假设进行系统化 Bug 排查，设计测试以排除候选项，并将完整调查过程记录在 debug/ 文件夹中。

迭代式安全审计引擎，执行 STRIDE 威胁建模与 OWASP Top-10 检查，自动映射攻击面并提供缓解方案。

基于反馈的 autoresearch-skill 自我改进协议，将失败案例或用户反馈转化为改进计划与评估场景。

执行核心自主研究循环，自动提出假设、运行实验并评估结果，迭代优化直至达成目标指标或耗尽预算。

通过多角色独立立场、交叉质询及去群体化分析，综合生成带有置信度的中立判决，适用于场景分析与决策预测。

通用发布流程：从验证到部署的8阶段线性管道。仅在不可逆操作前暂停等待用户确认，适用于软件、模型及文档等多种产物类型。

通过多轮对抗性推理和盲评小组，从多角度深入分析决策与论点，避免群体思维，得出严谨结论。

通过七步向导生成完整的 research.md 文件，涵盖目标、指标及评估器设计，为自动化研究循环做准备。

在用户指定的领域模式下，进行12维度的场景探索。适用于分析边缘案例、故障模式及压力测试计划或系统。