Codex Autoresearch 完全指南：让 AI 编程助手自主迭代、自动保留改进并回滚失败的实验循环

【免费下载链接】codex-autoresearchCodex Autoresearch Skill — A self-directed iterative system for Codex that continuously cycles through: modify, verify, retain or discard, and repeat indefinitely. Inspired by Karpathy’s autoresearch concept.项目地址: https://gitcode.com/gh_mirrors/co/codex-autoresearch

Codex Autoresearch 是一款面向 Codex AI 编程助手的自主迭代实验技能：你只需给出一个可测量的目标，它就会自主地一次改一件事、自动验证、保留改进、回滚失败，并循环往复直到达成目标。灵感来自 Karpathy 的 autoresearch 概念，它把"试错"变成了一条可信、可审计的工程循环。

💡 什么是 Codex Autoresearch？

普通 AI 编程助手改完代码就结束了，而 Codex Autoresearch 把任务变成一条受控的实验循环：

• 你告诉它"想要的结果"（比如：错误数降到 0）；
• 它检查仓库、与你确认实验参数；
• 之后进入循环：修改 → 验证 → 保留或回滚 → 重复，直到达标。

适用场景包括：测试失败数、覆盖率、类型错误、Lint 警告、延迟、二进制体积、可复现的安全问题发现，以及任何一条命令能测出数字的结果。

🚀 安装与快速开始

环境要求

• 最新版的 Codex CLI（需支持 Skills 与 Goals 能力）
• Python 3.11 或更高
• Git，且已配置提交者身份

一步安装

把技能复制到用户级技能目录，所有项目都能使用：

git clone https://gitcode.com/gh_mirrors/co/codex-autoresearch mkdir -p ~/.agents/skills cp -R codex-autoresearch ~/.agents/skills/codex-autoresearch

启动第一个实验循环

在干净的 Git 仓库中启动 Codex（建议使用 Full Access，因为每次实验要创建和回滚 Git 提交）：

codex --dangerously-bypass-approvals-and-sandbox

然后调用技能，用一句话描述可测量的目标：

You: $codex-autoresearch Reduce `python3 scripts/score.py` error_count to 0. Codex: Baseline: 5 / Target: 0 / Scope: src/ / Verify: python3 scripts/score.py Run in foreground or background? You: Background. Go.

写任何文件之前，Codex 都会先展示实验方案等你确认——这是整个流程的安全前提。

🔁 实验循环是怎么运转的

检查证据 → 修改一个聚焦的点 → 提交并测量 → 指标改善 且 防护通过 → 保留 → 否则 → git revert 回滚 → 追加一条审计事件 → 重复直到达标

两个关键设计：

• 分工明确：Codex 负责"假设与代码改动"，内置控制脚本 scripts/autoresearch.py 负责提交、验证、回滚和状态管理。
• Git 就是实验记忆：每次实验都是一个提交，失败实验用git revert非破坏性回滚，历史中永远留有可追溯的记录。

🎛️ 前台还是后台：两种运行模式

• 想随时介入调整策略 → 选前台；
• 想让 Codex 过夜自己跑 → 选后台（默认 Full Access，因为 worker 需要写 Git 提交）。

📏 如何配置一个可靠的实验

开始前，Codex 会与你确认 7 个关键值：

新手最容易踩的两个坑：

1. Verify 命令必须始终退出码为 0。哪怕指标很差，测量命令本身也要成功执行，且最后一行非空输出必须是一个有限数字，或一个 JSON 对象（并显式指定其中某个数值键）。
2. Guard 是及格/不及格。指标改善了但防护失败，这次实验照样会被回滚。

📊 查看结果与实验历史

运行产物保存在autoresearch-results/目录（永不提交到 Git）：

一句话就能查看历史或生成报告：

$codex-autoresearch show experiment history $codex-autoresearch generate an HTML report

HTML 报告会展示指标走势曲线、每次实验的 keep/discard 决定、相关提交与日志链接：

🛡️ 为什么敢让它无人值守？

• 每次实验都是 Git 提交——成败都可追溯；
• 失败自动回滚——未改善的实验或防护失败的实验自动 revert；
• 异常即停——越界编辑、分支变更、命令失败、超时会带着精确错误和日志路径停下运行；
• 拒绝静默恢复——技能绝不从旧文件或"对话记忆"里猜结果。这种严格是刻意的：静默恢复会让长期自主运行变得不可信。

✅ 哪些任务适合它？

适合（有可重复数值指标的任务）：

• 失败测试用例清零、类型/Lint 错误清零
• 分支覆盖率提升到 90%
• p95 延迟降到 200 ms 以下
• 二进制体积压缩、可复现安全发现清零

不适合：一次性小改动、主观设计评审、部署发布——这些用普通 Codex 即可。目标开放时，先和 Codex 一起定义稳定基准，再启动循环。

注意：Autoresearch 必须运行在 Git 仓库中，一次运行只管理一个仓库——Git 正是它的实验记忆与回滚边界。

📚 延伸阅读

【免费下载链接】codex-autoresearchCodex Autoresearch Skill — A self-directed iterative system for Codex that continuously cycles through: modify, verify, retain or discard, and repeat indefinitely. Inspired by Karpathy’s autoresearch concept.项目地址: https://gitcode.com/gh_mirrors/co/codex-autoresearch