Communitygithub.com

autoresearch

Boucle d'amélioration itérative à mission unique, avec un contrat d'évaluation strict, des journaux de décision en Markdown et un comportement d'arrêt par durée maximale.

Qu'est-ce que autoresearch ?

Autoresearch est une compétence conçue pour l'amélioration itérative bornée et pilotée par un évaluateur. Elle gère une seule mission à la fois, exécute des cycles d'expérimentation et d'évaluation, et persiste les résultats sous forme d'artefacts durables dans `.omc/autoresearch/`. Chaque itération est évaluée avec un JSON structuré contenant un booléen `pass` et un score optionnel ; les itérations non réussies ne bloquent pas l'exécution. La compétence s'arrête lorsque la durée maximale (max-runtime) est atteinte, lorsque l'utilisateur annule explicitement, ou lorsqu'une autre condition terminale explicite est rencontrée. Elle s'intègre nativement avec le cron de Claude Code pour des relances périodiques, mais interdit toute orchestration multi-mission en version 1. Idéale pour les développeurs qui ont déjà une mission et un évaluateur issus de `/deep-interview --autoresearch`, elle fournit des journaux de décision en Markdown lisibles par les humains et des évaluations JSON exploitables par les machines.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/Yeachan-Heo/oh-my-claudecode/tree/main/skills/autoresearch

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

<Utiliser_Quand>

  • Vous avez déjà une mission et un évaluateur issus de /deep-interview --autoresearch
  • Vous souhaitez une amélioration persistante d'une mission unique avec une évaluation stricte
  • Vous avez besoin de journaux d'expérimentation durables sous .omc/autoresearch/
  • Vous voulez un chemin pris en charge pour des relances périodiques via le cron natif de Claude Code </Utiliser_Quand>

<Ne_Pas_Utiliser_Quand>

  • Vous avez besoin de générer un évaluateur à l'exécution — utilisez d'abord /deep-interview --autoresearch
  • Vous devez orchestrer plusieurs missions ensemble — v1 l'interdit
  • Vous souhaitez utiliser le flux CLI omc autoresearch déprécié — il n'est plus faisant autorité </Ne_Pas_Utiliser_Quand>

<Artefacts_Requis> Le stockage persistant canonique se trouve sous .omc/autoresearch/<slug-mission>/ et/ou .omc/logs/autoresearch/<id-execution>/.

Artefacts minimum requis :

  • spécification de mission
  • script d'évaluateur ou référence de commande
  • JSON d'évaluation par itération
  • journaux de décision en Markdown

Forme canonique recommandée :

.omc/autoresearch/<slug-mission>/
  mission.md
  evaluator.json
  runs/<id-execution>/
    evaluations/
      iteration-0001.json
      iteration-0002.json
    decision-log.md

Réutilisez les artefacts d'exécution existants lorsque disponibles plutôt que de les dupliquer inutilement. </Artefacts_Requis>

<Flux_de_Travail>

  1. Confirmez qu'une seule mission existe et que la configuration de l'évaluateur est déjà disponible.
  2. Assurez-vous que le mode/état est actif pour autoresearch et enregistre :
    • le slug/répertoire de la mission
    • la référence de l'évaluateur
    • le nombre d'itérations
    • les horodatages de début/mise à jour
    • la durée maximale ou l'échéance explicite
  3. À chaque itération :
    • exécutez exactement un cycle d'expérimentation/changement
    • exécutez l'évaluateur
    • persistez le JSON d'évaluation lisible par machine
    • ajoutez une entrée de journal de décision en Markdown lisible par humain
    • continuez même si l'évaluation n'est pas validée
  4. Arrêtez-vous lorsque :
    • la durée maximale d'exécution est atteinte
    • l'utilisateur annule explicitement
    • une autre condition terminale explicite est enregistrée par l'exécution </Flux_de_Travail>

<Intégration_Cron> Le cron natif de Claude Code est un point d'intégration pris en charge pour l'amélioration périodique des missions. En v1, privilégiez la documentation/configuration des entrées cron plutôt que la construction d'une interface utilisateur de planification volumineuse.

Si le cron est utilisé :

  • conservez une mission par tâche planifiée
  • respectez le même contrat mission/évaluateur
  • ajoutez de nouveaux artefacts d'exécution plutôt que d'écraser les expériences précédentes </Intégration_Cron>

<Politique_d_Exécution>

  • Ne redirigez pas l'exécution vers omc autoresearch
  • Ne créez pas d'orchestration multi-mission
  • Privilégiez la réutilisation des assistants d'exécution/schéma de src/autoresearch/* là où ils correspondent déjà au contrat plus strict
  • Gardez les journaux utiles aux humains, pas seulement aux machines </Politique_d_Exécution>

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

agent-doc-discipline

Writing-time discipline for documents agents consume (the five surfaces, specs, tickets, .omc/skills/) — every rule checkable and carrying a why, steps before reference, one meaning in one home, no restating what the environment already says. Mandatory at drydock seed generation and the launch C5 sediment pass; opt-in for any other agent-facing doc edit. The companion of minimal-code-discipline: that one disciplines code, this one disciplines papers.

ai-slop-cleaner

Clean AI-generated code slop with a regression-safe, deletion-first workflow and optional reviewer-only mode

ask

Process-first advisor routing for Claude, Codex, Gemini, Antigravity, Grok, or Cursor via `omc ask`, with artifact capture and no raw CLI assembly

ask-navigator

Shipyard

autopilot

Full autonomous execution from idea to working code

cancel

Cancel any active OMC mode (autopilot, ralph, ultragoal, swarm, ultrapilot, pipeline, team) and clean up retired legacy state

configure-notifications

Configure notification integrations (Telegram, Discord, Slack) via natural language

debug

Diagnose the current OMC session or repo state using logs, traces, state, and focused reproduction

deepinit

Deep codebase initialization with hierarchical AGENTS.md documentation

deep-interview

Socratic deep interview with mathematical ambiguity gating before explicit execution approval

drydock

Lay the keel of the shipyard harness in any repo — the 4-pillar shared environment (Context, Rules, Tools, Standards) across 5 surfaces (CLAUDE.md, skills, design-system, mcp/cli, shared context) so that every human and agent inherits the same design language and anyone can ship. Run once per repo; re-run with --check to audit drift.

execute

Carry an approved task through to working, verified code

external-context

Invoke parallel document-specialist agents for external web searches and documentation lookup

graph

Deterministic orchestration graph runtime - declarative DAG pipelines with journal-based crash recovery

harbor

Harbor intake for external work — the captain only handles unresolved decisions. Sweeps incoming issues and PRs, verifies every claim before disposition, reuses every decision already made, and hands the maintainer a docket whose pending items each carry one question with options, recommendation, impact and evidence. Agent-autonomous for facts and for actions covered by standing authorization; signed for every new judgment. Never merges.

hud

Configure HUD display options (layout, presets, display elements)

launch

Shipyard

loft

Loft the shape before cutting steel — answer a design question that prose cannot settle by building a throwaway artifact: a pure logic module in a clickable shell, or structurally different UI variants behind one route. The captain reacts to the artifact; the answer folds into the decision; the artifact never docks. Use when a design question stalls in words, when a navigator map carries a loft ticket, or when a spec discussion reaches

minimal-code-discipline

YAGNI-ladder coding discipline for writing changes — existence-first, reuse before writing, dependency ladder, shortest correct diff, with non-negotiables that must never be minimized away

omc-doctor

Diagnose and fix oh-my-claudecode installation issues

Skills associés