AutoResearch Skills

当前 QA 发布版本：autoresearch-qa-skills-0.3.2。版本号的唯一来源是仓库根目录的 VERSION。

面向研究型 Coding Agent 的可复用工作流：从论文发现、题目设计和可信 Baseline，到双轨运行、成本控制、质量验收与可执行交接。

AutoResearch Skills 不是一组需要整段复制的 prompt。每个 skill 都是带清晰触发条件、执行边界、参考资料和可选脚本的独立能力单元；Agent 在任务匹配时读取相应 SKILL.md，而不是一次加载整个仓库。

Quickstart

使用跨 Agent 安装器

先查看仓库中可安装的 skill：

npx -y skills add bosprimigenious/autoresearch-skills --list

安装一个 skill：

npx -y skills add bosprimigenious/autoresearch-skills \
  --skill autoresearch-task-qa \
  --agent codex \
  --global \
  --yes

将 codex 替换为安装器支持的目标 Agent。也可以一次安装整套：

npx -y skills add bosprimigenious/autoresearch-skills --all

生产质检应固定到发布标签，不能静默跟随 main。例如，在 v0.3.2 标签发布后使用：

git clone --branch v0.3.2 --depth 1 \
  https://github.com/bosprimigenious/autoresearch-skills.git

安装器是可选依赖；使用前应确认其来源、目标目录和即将安装的文件。安装或更新后，重新启动 Agent 或按宿主工具的方式重新加载 skills。

手动安装

克隆仓库，并把需要的 skill 软链到目标 Agent 的 skill 目录：

git clone https://github.com/bosprimigenious/autoresearch-skills.git
cd autoresearch-skills

ln -s "$PWD/skills/autoresearch-task-qa" \
  ~/.codex/skills/autoresearch-task-qa

推荐使用软链保持单一事实源。若目标环境不支持软链，再复制完整 skill 目录；后续更新时必须重新同步，避免旧副本继续生效。

QA 发布包

autoresearch-qa-skills-0.3.2 是发布集合名，不是把两个 skill 塞进同一个 ZIP 的文件名。一次构建必须生成两个可独立安装的单-skill 包：

autoresearch-task-qa-0.3.2.zip
autoresearch-baseline-quality-0.3.2.zip

每个 ZIP 只允许一个同名顶层目录和一份顶层 SKILL.md。旧式 autoresearch-qa-skills.zip 若同时包含两个 skill，结构门禁会拒绝它。构建并复核：

python3 scripts/build_qa_release.py --out-dir dist
python3 scripts/verify_skill_archive.py \
  dist/autoresearch-task-qa-0.3.2.zip \
  --expected-skill autoresearch-task-qa
python3 scripts/verify_skill_archive.py \
  dist/autoresearch-baseline-quality-0.3.2.zip \
  --expected-skill autoresearch-baseline-quality
(cd dist && shasum -a 256 -c autoresearch-qa-skills-0.3.2.sha256)

构建器固定 ZIP 时间、成员顺序与权限，同时输出 manifest 和 SHA256；相同源码必须得到逐字节相同的产物。发布时上传上述两个 ZIP、manifest 和 checksum 文件，不上传未验证的临时归档。

这两个 ZIP 用于要求单-skill 归档的上传/分发入口。当前 skills CLI 的本地路径模式不会自动解包 ZIP；用 npx skills add 时应安装仓库/标签，或先把 ZIP 解压到临时目录再安装，不能把 CLI 的 No skills found 误判成包内 SKILL.md 缺失。

如何使用

安装后可以直接用自然语言描述目标，宿主 Agent 根据 name 和 description 自动选择相关 skill。需要明确指定时，可使用宿主支持的显式调用形式，例如：

使用 $autoresearch-paper-discovery，从公开论文中筛选三个可转化为 AutoResearch 任务的候选；先查许可、评测、资源上界和重复题状态。

使用 $autoresearch-run-isolation，为两条独立 Agent 轨迹设计 Docker、GPU 租赁、恢复和证据合同；先完成低成本 pilot，不要直接启动长跑。

使用 $autoresearch-task-qa，只读审查这个提交 ZIP。静态结论、已有运行证据和未复跑项必须分开报告。

使用 $autoresearch-feishu-three-table，在当前已授权的飞书资源中核对当期题号，再填写领题、提交/验收或组长初检记录；权限不足时只生成待填草稿，不猜字段或绕过权限。

Skill 提供的是决策规则和工作流，不会扩大任务授权。安装 QA skill 不等于允许它运行不受信容器；安装运行隔离 skill 也不等于允许购买 GPU、调用付费 API 或修改远端平台状态。

Skill Catalog

Skill	何时使用	主要产出	关键停止条件
`autoresearch-paper-discovery`	从零找论文、维护候选池、专家自主选题或池内快选	去重候选账本、许可与权威查重证据、推荐/补证/拒绝结论	任一硬门槛失败即拒题；未知项不能写成通过
`autoresearch-optimization-surface`	判断论文或代码是否存在方法级优化空间	可修改面、冻结面、反例和最小验证合同	只有超参数变化、无法隔离或不可复算时停止
`autoresearch-baseline-quality`	审查正式 Baseline 是否合理、公平、可复现	Baseline 质量结论、偏差来源与修复清单	预算、seed、实现或评测口径不公平时不得进入正式比较
`autoresearch-task-authoring`	将论文与代码仓转化为可交付研究题	Starter、Baseline、Reference、评分器、冻结合同和五阶段 QA 证据	selection、pilot、container、long-run、release 任一累计门失败即暂停下游工作
`autoresearch-run-isolation`	设计双轨运行、Docker、GPU/API 成本、恢复与血缘	运行合同、容量计划、隔离拓扑、快照与 lineage	pilot 未过、容量风险不可接受或恢复证据缺失时停止消费
`autoresearch-task-qa`	对任务目录或 ZIP 做独立只读审查	TXT、Markdown、JSON 报告及可执行整改项	研究质量、实现、Harbor、隐私或证据门失败即 `NOT READY`
`autoresearch-feishu-three-table`	在授权的飞书多维表格中流转领题、完成提交/验收和组长初检	当期题号核验、最小字段变更、权限交接草稿与写后回读	schema/权限不可验证、跨表身份冲突或回读不一致时停止
`autoresearch-conversation-handoff`	长会话收尾、切换 Agent、恢复中断工作	已验证事实、失败、阻塞、文件入口和下一步命令	对话陈述与现场证据不一致时，以现场为准并保留差异

推荐应用方式

1. 从零创建一项 AutoResearch 任务

paper-discovery
  → optimization-surface
  → baseline-quality
  → task-authoring
  → run-isolation
  → task-qa
  → feishu-three-table
  → conversation-handoff

推荐顺序：

用 paper-discovery 在候选池或专家自选模式下建立证据账本。
用 optimization-surface 排除纯调参、不可隔离或不可复算方向。
用 baseline-quality 冻结公平的正式对照。
用 task-authoring 依次通过 selection、pilot、container、long-run 和 release 门。
在需要双轨迹、付费 GPU 或服务器 Docker 时使用 run-isolation；先小规模验证，再购买连续容量。
交付前使用 autoresearch-qa-skills-0.3.2 做双路独立本地质检。每路都必须开一个全新会话，只发送同一个完整提交包 ZIP，不带散文件、旧报告或作者解释。两路使用不同 AI；不同模型家族优先，同类 AI 的不同版本也可以。作者原会话内的自测不能替代这两次干净上下文实测。此流程用于减少单一判定器盲区；仓库尚未发布可支持具体准确率提升幅度的模型实测数据，因此不作量化承诺。
需要登记外部状态时，用 feishu-three-table 从当期权威题号开始，分别处理领题、提交/验收和组长初检；QA 通过不自动等于外部表已回填。
会话中断或更换 Agent 时，用 conversation-handoff 保存可继续执行的状态。

2. 已有题目，只想避免昂贵返修

最小组合：

optimization-surface → baseline-quality → task-authoring → task-qa

先检查题目是否成立，再检查证据是否成立。不要先跑十小时轨迹，最后才发现优化面过窄、效应低于噪声、Baseline 不公平或 Verifier 路径不通。

3. 只做 GPU、Docker 与双 Agent 长跑

使用 autoresearch-run-isolation。推荐资源策略是：

本地/小卡功能验证
  → 目标 GPU 按小时端到端 pilot
  → 比较小时、包日与混合窗口
  → 两条独立 lane 正式运行
  → 机外快照与新容器恢复

服务器“预装 Docker”只减少安装工作，不证明 Agent/Verifier 双镜像、GPU runtime、Hidden 隔离或目标 Harness 已通过。使用内置的宿主预检后，仍需真实构建和 trial receipt。

4. 只验收一个现成交付包

使用 autoresearch-qa-skills-0.3.2 中的 autoresearch-task-qa，保持只读。本地自检必须使用两个相互隔离的新会话，每个会话只提供同一 SHA256 的完整 ZIP，并由两种不同 AI（同类不同版本可接受）各自完成一次完整质检。

先固定输入摘要：

shasum -a 256 /path/to/artifact.zip

然后分别在两个全新会话里，只发送这一个 artifact.zip。不要发送源码散文件、第一次报告、作者解释、旧聊天摘要或第二个附件。每个会话先生成该会话自己的 inventory，AI 检查解出的只读证据并生成语义 review JSON，再把最终报告写到一个新的、不同的目录。

会话 A：

python3 skills/autoresearch-task-qa/scripts/audit_task.py \
  /path/to/artifact.zip \
  --out-dir /path/to/qa-work-model-a

# AI 在同一会话中检查 qa-work-model-a 的 inventory/evidence，
# 并按 review schema 写出 /path/to/review-model-a.json。
python3 skills/autoresearch-task-qa/scripts/audit_task.py \
  /path/to/artifact.zip \
  --out-dir /path/to/qa-final-model-a \
  --review /path/to/review-model-a.json \
  --release-self-check \
  --reviewer-provider provider-a \
  --reviewer-model model-a \
  --reviewer-version model-a-version \
  --session-id session-a-unique-id \
  --clean-context \
  --fail-on incomplete

会话 B 必须是另一个新会话，且 AI 身份与会话 ID 均不同：

python3 skills/autoresearch-task-qa/scripts/audit_task.py \
  /path/to/artifact.zip \
  --out-dir /path/to/qa-work-model-b

# AI 在同一会话中检查 qa-work-model-b 的 inventory/evidence，
# 并按 review schema 写出 /path/to/review-model-b.json。
python3 skills/autoresearch-task-qa/scripts/audit_task.py \
  /path/to/artifact.zip \
  --out-dir /path/to/qa-final-model-b \
  --review /path/to/review-model-b.json \
  --release-self-check \
  --reviewer-provider provider-b \
  --reviewer-model model-b \
  --reviewer-version model-b-version \
  --session-id session-b-unique-id \
  --clean-context \
  --fail-on incomplete

上面的 provider-*、model-*、版本和 session ID 是字段示例，实际运行必须替换为真实值。--release-self-check 拒绝目录输入、已有非空输出目录及缺失 review/provenance 的调用，并把报告绑定到输入 SHA256。--fail-on incomplete 使非 PASS 不能以退出码 0 混过流水线。

这些 provenance 字段是审计声明，不是远程证明：脚本能检查字段、摘要和两路差异，但不能从 JSON 反向证明宿主真的开了新会话或只发送了一个附件。应保留原始会话记录，并由会话启动流程保证隔离，不能事后补字段。

两路完成后再运行 skill 自带的双报告聚合器；输出路径必须尚不存在：

python3 skills/autoresearch-task-qa/scripts/aggregate_qa_reports.py \
  /path/to/qa-final-model-a/report.json \
  /path/to/qa-final-model-b/report.json \
  --out /path/to/qa-consensus.json

聚合门验证：输入包 SHA256 相同、skill 版本相同、会话 ID 不同、AI 身份满足差异要求、两路均为 PASS，并把逐项结论分歧保留到 unresolved_disagreements。缺任一项或存在未解决分歧都只能报 NOT_READY。单路通过、作者原会话自测、把第一路报告喂给第二路，或人工拼一份“共识”JSON，都不算双路独立质检。

审查命令生成静态报告，不会自动证明任务代码已运行、Docker 镜像已构建或实验已独立复现。最终报告必须把静态结论、包内已有证据和本次未验证的运行状态分开。

设计原则

硬门槛不做总分补偿。 低成本、无需 GPU 或论文热门，不能抵消许可证、评测、效应、重复题或交付失败。
QA 前移。 selection、pilot、container、long-run、release 逐级累积，修复最早失败的门后再继续。
运行血缘不可拼接。 一个正式结果只绑定一个真实 trial；源码、配置、seed、receipt、artifact 和 checkpoint 必须一致。
静态与动态证据分离。 文件存在、Dockerfile 可解析和容器能启动，分别不能证明完整训练或目标 Harness 通过。
成本服从证据。 GPU 小时/包日、API 套餐/按量都在 pilot 后决策；追加预算不能修复错误协议。
公开发布默认去隐私。 主包、自检、轨迹和证据附件逐件扫描，任何附件失败都阻止发布。

Repository Layout

autoresearch-skills/
├── skills/
│   └── <skill>/
│       ├── SKILL.md         # 唯一指令源
│       ├── AGENTS.md        # 由 SKILL.md 生成
│       ├── CLAUDE.md        # 由 SKILL.md 生成
│       ├── agents/          # UI 元数据与调用策略
│       ├── references/      # 按需读取的规范与协议
│       ├── scripts/         # 确定性检查和回归测试
│       └── assets/          # 需要复制到输出的通用资源
├── scripts/
│   ├── validate_skills.py
│   ├── sync_formats.py
│   ├── privacy_scan.py
│   ├── build_qa_release.py
│   ├── verify_skill_archive.py
│   └── validate_route_evals.py
├── evals/
│   └── qa-skill-routing.jsonl
├── VERSION
└── .github/workflows/ci.yml

SKILL.md 保留共享工作流与路由；条件性细节进入 references/；重复、脆弱或必须确定执行的逻辑进入 scripts/。不要手工分别维护 AGENTS.md 与 CLAUDE.md。

验证与开发

仓库要求 Python 3.12 兼容。提交前运行与 CI 一致的聚合门禁：

export PYTHONDONTWRITEBYTECODE=1

python3 scripts/validate_skills.py
python3 scripts/sync_formats.py --check
python3 scripts/privacy_scan.py
python3 scripts/validate_route_evals.py
python3 scripts/build_qa_release.py --out-dir .release-test

python3 -m unittest discover \
  -s skills/autoresearch-task-qa/scripts -p 'test_*.py'
python3 -m unittest discover \
  -s skills/autoresearch-paper-discovery/scripts -p 'test_*.py'
python3 -m unittest discover \
  -s skills/autoresearch-run-isolation/scripts -p 'test_*.py'
python3 -m unittest discover \
  -s skills/autoresearch-task-authoring/scripts -p 'test_*.py'
python3 -m unittest discover -s scripts -p 'test_*.py'

路由 eval 的结构门禁不等于模型实测。要报告路由准确率，必须按 evals/README.md 保存固定模型版本下的逐条输出和判定结果。

修改 SKILL.md 后，先重新生成兼容格式，再复核差异：

python3 scripts/sync_formats.py
git diff --check

新增或修改 skill 时遵循以下规则：

name 与目录名一致，description 明确说明适用场景与边界。
只加入会改变 Agent 决策的内容；通用知识和维护过程不进入 skill 正文。
参考资料必须从 SKILL.md 路由到具体使用条件，避免一次加载全部上下文。
新脚本必须有行为测试；测试覆盖真实不变量，而不是只匹配文案。
失败记录、未知状态和未运行项必须保留，不能为了 README 或 CI 变绿而软化。
开源前运行严格隐私门禁，不提交对话原文、个人路径、凭据、私有端点或未授权附件。

Security and Evidence Boundary

Skill 是可执行工作流的一部分，也是 Agent 的信任边界。只安装已审查的版本，并在启用第三方 skill 前阅读其 SKILL.md、脚本和权限要求。

本仓库能够验证 skill 结构、派生格式、静态规则、隐私门禁和回归测试。它不会把下列事项表述为已经完成：

Docker 镜像已在目标服务器成功构建并运行；
外部平台、模型 API、GPU 库存或 Harbor backend 当前可用；
真实训练达到目标指标或两条轨迹满足有效时长；
第三方论文、代码、数据、模型或附件具有公开再分发许可；
静态扫描已经替代人工隐私、版权或商业秘密复核。

运行时成功必须由真实命令、日志、receipt 和产物证明。详细隐私边界见 privacy-and-portability.md。

Ecosystem References

本仓库的组织方式参考公开 Agent Skills 生态中的通用做法，同时保留自己的 fail-closed 研究门禁：

这些链接只作为格式、安装和安全设计参考，不表示兼容性或功能经过对方认证。

License

MIT

bosprimigenious/autoresearch-skills

Star growth

Repository activity

Embed badge

README