Communitygithub.com

autoresearch

Ciclo de melhoria de missão única com contrato rigoroso de avaliador, registros de decisão em markdown e comportamento de parada por tempo máximo de execução

O que é autoresearch?

O autoresearch é uma habilidade com estado para ciclos de melhoria iterativa limitados e orientados por avaliador. Ele gerencia uma única missão por vez, executando iterações contínuas sobre resultados que não passam na avaliação, registrando cada avaliação e decisão como artefatos duráveis. Sua principal utilidade é para cenários onde se deseja refinamento persistente e controlado de uma missão, com a garantia de que o processo será interrompido ao atingir um teto de tempo de execução ou outra condição terminal explícita. A habilidade é suportada por plataformas como Claude Code (via integração nativa com cron) e requer que a missão e o avaliador sejam fornecidos de antemão, tipicamente através do comando `/deep-interview --autoresearch`. O workflow consiste em iterar sobre experimentos, executar o avaliador (que deve retornar JSON estruturado com um campo booleano 'pass' e um campo numérico opcional 'score'), persistir os resultados em `.omc/autoresearch/` e registrar decisões em markdown legível por humanos. O contrato é rigoroso: missão única, sem orquestração de múltiplas missões, e a parada é explícita e limitada.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

<Propósito> Autoresearch é uma habilidade com estado para ciclos de melhoria iterativa limitados e orientados por avaliador. Ela gerencia uma missão por vez, continua iterando sobre resultados que não passam na avaliação, registra cada avaliação e decisão como artefatos duráveis e para somente quando um teto explícito de tempo de execução ou outra condição terminal explícita é atingido. </Propósito>

<Quando_Usar>

  • Você já tem uma missão e um avaliador do /deep-interview --autoresearch
  • Você deseja melhoria persistente de missão única com avaliação rigorosa
  • Você precisa de registros de experimentos duráveis em .omc/autoresearch/
  • Você quer um caminho suportado para reexecuções periódicas via cron nativo do Claude Code </Quando_Usar>

<Quando_Não_Usar>

  • Você precisa gerar o avaliador em tempo de execução — use /deep-interview --autoresearch primeiro
  • Você precisa orquestrar múltiplas missões — a v1 proíbe isso
  • Você quer o fluxo CLI omc autoresearch obsoleto — ele não é mais autoritativo </Quando_Não_Usar>

<Artefatos_Requeridos> O armazenamento persistente canônico fica em .omc/autoresearch/<slug-da-missao>/ e/ou .omc/logs/autoresearch/<id-da-execucao>/.

Artefatos mínimos necessários:

  • especificação da missão
  • script do avaliador ou referência de comando
  • JSON de avaliação por iteração
  • registros de decisão em markdown

Forma canônica recomendada:

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

Reutilize artefatos de execução existentes quando disponíveis, em vez de duplicá-los desnecessariamente. </Artefatos_Requeridos>

<Fluxo_de_Trabalho>

  1. Confirme que existe uma única missão e que a configuração do avaliador já está disponível.
  2. Garanta que o modo/estado esteja ativo para autoresearch e registre:
    • slug/diretório da missão
    • referência do avaliador
    • contagem de iterações
    • timestamps de início/atualização
    • tempo máximo de execução ou prazo explícito
  3. Em cada iteração:
    • execute exatamente um ciclo de experimento/alteração
    • execute o avaliador
    • persista o JSON de avaliação legível por máquina
    • anexe uma entrada de registro de decisão em markdown legível por humanos
    • continue mesmo quando a avaliação não passar
  4. Pare quando:
    • o teto de tempo máximo de execução for atingido
    • o usuário cancelar explicitamente
    • outra condição terminal explícita for registrada pelo runtime </Fluxo_de_Trabalho>

<Integração_com_Cron> O cron nativo do Claude Code é um ponto de integração suportado para aprimoramento periódico de missões. Na v1, prefira documentar/configurar entradas de cron em vez de construir uma grande interface de agendamento.

Se o cron for usado:

  • mantenha uma missão por tarefa agendada
  • preserve o mesmo contrato de missão/avaliador
  • anexe novos artefatos de execução em vez de sobrescrever experimentos anteriores </Integração_com_Cron>

<Política_de_Execução>

  • Não devolva a execução para omc autoresearch
  • Não crie orquestração de múltiplas missões
  • Prefira reutilizar os auxiliares de runtime/schema de src/autoresearch/* quando eles já corresponderem ao contrato mais rigoroso
  • Mantenha os registros úteis para humanos, não apenas para máquinas </Política_de_Execução>

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

Habilidades Relacionadas