这套系统将pi-autoresearch移植为Claude Code技能skills，通过jsonl状态、bash执行、git进化机制，实现智能体自动运行实验、筛选最优方案并持续循环优化，构建一个可自我演化的科研执行体系。
从pi-autoresearch到Claude Code：一次“去工具化”的进化
来自Shopify的π自主实验循环扩展插件 ，原型叫pi-autoresearch。这玩意儿像个精密的瑞士军刀，给你配好了各种工具，比如“初始化实验”、“运行实验”、“记录结果”，每一步都有专门的工具，就像你去实验室做化学实验，每个烧杯、试管都有它固定的位置，老师还会在旁边盯着你，让你按部就班地操作。规矩是规矩，但总觉得有点束手束脚，不太自由。
但咱们今天聊的这个版本，把这一套全部推翻了。
它干了一件特别疯狂的事——把所有现成的工具都给拆了。不拆还好，一拆完，直接给Claude这个AI智能体来了个“权力下放”。
什么意思呢？就是以前是工具命令AI：“你，去给我做这个。”现在变成AI自己说了算：“我，想这样做，然后我再那样做。” 它不再是通过调用一个个冷冰冰的工具接口来干活，而是变成了一个可以自主写文件、自己跑脚本、自己写日志的全能选手。
这个转变，好比是你原来做数学题，每一步都得问老师：“老师，我这一步对吗？下一步该干嘛？”老师给你指哪儿你打哪儿。现在呢？老师直接给你一把钥匙，让你去图书馆随便翻参考书，自己去推导公式，然后回来讲给老师听。只要你有本事，你甚至能自己编一套解题新思路。
这种自由度一旦打开，事情就开始变得既危险又刺激。危险的是，万一它想歪了咋办？刺激的是，万一它真搞出什么大发现呢？而且这个改造最狠的一点是，它完全不需要一个复杂的后台服务，一个普通的笔记本电脑就能让它跑起来，就像给你一把瑞士军刀，让你去荒野求生，你的想象力和执行力就是最大的限制。
实验初始化：从工具调用变成写一行json
以前启动一个实验，那得走流程。你得调用一个叫init_experiment的工具，就像你去食堂打饭，得先排队、再刷卡、然后跟阿姨说你要啥菜，一套流程走下来才能吃到饭。现在呢？流程简化到令人发指。Claude直接在桌面上放了一个笔记本，这个笔记本叫autoresearch.jsonl。它只要在这个笔记本上写一行字，就代表“我要开始一个新的实验了”。
这背后是一个天翻地覆的思想转变。实验不再是一个需要启动和关闭的“功能”，它变成了一条可以被随时记录和追溯的“历史”。你可以把这个autoresearch.jsonl文件，想象成一本“实验日记”，Claude每有新想法，就在上面写一页。比如第一页写“尝试用A方法做加减法”，第二页写“不行，太慢，换B方法”，第三页写“B方法好像有点意思”。
更有意思的是，这个日记本是“只追加”的，只能不停地往后面加新的内容，不能修改之前写的。这就像我们小时候的错题本，每一道错题都清清楚楚地记在上面，没法涂改。你只能看着它越积越厚，然后惊讶地发现自己从“错题大王”变成了“学霸”。所有失败的尝试、成功的经验，全都老老实实地躺在那里，谁也删不掉，这就保证了整个系统的进化路径是完全透明和可追溯的。而我们的AI同学，就变成了一个超级勤奋、永不偷懒的学霸，每天都在往这本日记本上，记录下自己新的实验计划，然后准备开始新一轮的“刷题”。
执行实验：一切归结为一个shell脚本
接下来这一步，最接地气，也最能体现什么叫“大道至简”。以前的实验运行起来可能很复杂，要配置环境、要启动各种服务。但在这个系统里，Claude想要运行一个新实验，只需要在电脑的命令行里输入一句话：
./autoresearch.sh
就这么简单。这就像你每天早上起床刷牙，不需要思考，本能地拿起牙刷，挤上牙膏，动作一气呵成。所有实验的复杂逻辑，全部被塞进了这个叫autoresearch.sh的脚本里。这个脚本就像一个统一的“实验操作台”，Claude把实验计划放上去，按下按钮，实验就开始了。
这里面藏着一个非常关键的细节：计时。每一次运行实验，系统都会掐表，记录下这次实验花了多长时间。这就不仅仅是看实验结果是对是错，还要看它快不快。这就好比考试，不光要求你答对，还要求你在规定时间内答对。一个方案如果很准确但特别慢，那它可能会被系统嫌弃；而另一个方案如果又快又准，那它就会直接被贴上“优等生”的标签，成为大家学习的榜样。这一步在干一件特别重要的事：把所有实验都变成可以互相“比武”的选手。没有比较就没有伤害，也没有进步。这个系统从一开始就把“到底谁更好”这个问题，直接写进了运行的流程里。想象一下，一个AI球员在球场上疯狂投篮，每次投完都会记录自己的命中率和出手速度，然后不断调整姿势，直到找到那个能让他百发百中的“标准动作”。
记录结果：git变成进化引擎
这一段是整个系统最“骚”的操作，绝对值得起立鼓掌。实验结果跑完了，它不会简单地存到某个文件夹里就完事。它给实验结果安排了两条截然不同的命运：如果实验结果很棒，表现特别好，那它就获得了“荣耀加冕”——系统会执行git commit，把这个成果正式提交到历史库中，永久保存。如果结果一般，那就像被风吹走的落叶一样，无人问津，最后消失在历史的尘埃里。
这是什么？这简直就是在电脑里上演了一出活生生的“达尔文进化论”！git在这里根本就不是一个简单的代码管理工具，它变成了一个“进化记录仪”。每一个git commit，都相当于一个优秀的“基因”被保留了下来，它们代表了系统在不断探索中积累的宝贵经验。而那些没有被提交的，就是在进化过程中被淘汰的“路人甲”，它们的失败经验虽然没有被直接保存，但也为系统的进化提供了方向。
你平时用git可能只是为了防止代码丢了，好找回某个版本。但在这个系统里，git是为了不丢“成功的经验”。每一次git commit，都是这个系统变得更强的一个铁证。这个设计还有一个特别爽的好处：历史清晰。你可以随时回到任何一个commit，去看看当时那个“最优解”是什么样的，就像你回看自己打游戏时的高光时刻录像，那种感觉别提多爽了。它清晰地告诉你，系统是怎么一步一步从青铜走向王者的。
可视化：从炫酷界面到一份Markdown
以前这种高大上的系统，通常都会配一个很炫酷的TUI（终端用户界面）dashboard，看起来像科幻电影里的控制面板，各种数据跳来跳去，特别唬人。但在这套系统里，这个炫酷的界面被直接简化成了一个文件，名字叫autoresearch-dashboard.md。听起来是不是有点寒酸，就像把美国航天局的指挥中心，直接换成了一张写在白板上的“任务清单”。
但你仔细想想，这反而是一种更高级的聪明。Markdown文件有什么好？第一，它任何人都能看懂，包括你妈都能打开看；第二，它也是纯文本，Claude这个AI智能体自己也能读，能理解里面写了啥；第三，它还能被git版本控制，这意味着这个“仪表盘”本身也在进化，你可以看到它每天是怎么更新的。
这就像你以前想了解一个复杂的游戏攻略，得去看一个3D炫酷视频，还得戴上耳机听解说。现在呢，一份清晰的文字版攻略，谁都能拿来就看，还能在手机上随时查阅，随时更新。最重要的是，这种形式没有任何额外的依赖，你不需要启动一个特殊的程序，不需要安装任何看图的软件，打开文件就能看。这种“低门槛可视化”，反而让这个系统在长期运行中，变得无比稳定和可靠。它告诉我们，最好的UI（用户界面），有时候就是没有UI。
上下文注入：让智能体记住自己干过什么
这一段是整座大厦的“灵魂支柱”。系统里有一个叫UserPromptSubmit的钩子（hook），它的作用听起来很简单，但威力巨大：它会在Claude每次开始执行新任务之前，偷偷地把之前的那些历史信息，一股脑地塞给Claude当“背景资料”看。
简单理解就是：每次开始干活之前，先把之前的经验“复习”一遍。这就像是你在考试前，老师不是让你“好好复习”，而是直接把错题本和学霸笔记塞到你脑子里，让你在开考前一秒，脑子里全是解题的套路。
这就形成了一个完美的“学习闭环”：过去的经验，通过这个钩子，变成了当前的决策依据。基于这些依据，Claude设计新的实验，执行它，得到新的经验。然后这个新的经验，又会通过git commit被保存下来，成为下一次循环的“历史经验”。这个循环一旦跑起来，就像在山上滚雪球一样，越滚越大，越滚越快，越滚越聪明。每次Claude开始干活，都不是从零开始的“小白”，而是一个带着所有“前世记忆”的“超级学霸”。
状态管理：一个jsonl文件撑起整个系统
你可能会想，这么复杂的系统，它所有的运行状态，比如现在在做什么实验、有哪些备选方案、哪个方案最好，这些信息都存在哪里？不会是某个复杂的数据库吧？答案会让你惊掉下巴——就存在我们最开始说的那个日记本autoresearch.jsonl里。对，就一个文件！
没有臃肿的数据库，没有复杂的缓存系统，没有任何花里胡哨的数据结构，就是一个简简单单的文本文件。但这个文件，就像一个拥有超能力的“档案管理员”，它拥有三大神器：
第一，它是一条清晰的时间线。每一行都代表了一个实验想法或状态的变化，按时间顺序排好，就像你翻开日记本，能看到自己每一天的成长。第二，它极度便于复制。你想把你的整个实验系统备份或者迁移到另一台电脑上？不用导出数据，不用备份数据库，只需要把这个文件复制走就行了，整个系统的灵魂就跟着你走了。第三，它天然地容易被AI理解。jsonl格式是AI最熟悉的“语言”之一，它可以直接读取、解析并理解里面的内容，这就保证了Claude能够随时了解自己的“历史”。
这就像你把你自己人生中所有的重大决策、关键思考、失败教训，全部记在一个小本本上。你走到哪里，只要带着这个小本本，你就能随时回溯过去，吸取教训，继续成长。这种极致简单的状态管理，让整个系统变得异常轻盈和透明。
gitignore的真正意义：过滤噪声留下进化
在项目里，有一个叫.gitignore的文件，它通常用来告诉git哪些文件不要管、不要提交。很多人会觉得，被.gitignore忽略的那些文件肯定不重要，甚至是垃圾。但在这套系统里，情况完全相反。autoresearch.jsonl这个日记本、autoresearch-dashboard.md这个仪表盘，还有其他一些运行日志，它们都被放在了.gitignore里。
为什么？因为它们是“过程”，而不是“结果”。它们非常重要，是系统思考的轨迹，但它们就像你每天练字时用掉的草稿纸，草稿纸上的练习很重要，没有它们就没有最后的成品。但最后被git commit永久保存下来的，是你写出的最漂亮的、最有价值的那个字。
这个系统通过.gitignore，巧妙地分离了“尝试”和“成果”。git负责保存那些经过验证、通过筛选的优秀成果，代表了系统的“进化方向”。而被忽略的那些文件，则记录了进化的“曲折过程”，你可以随时去查看，了解系统为什么这么想、为什么那么做。这种设计，保证了进化路径的清晰和干净，让git log里看到的，都是一个个坚实的前进步伐，而不是一堆杂乱无章的脚印。
无限循环：让系统活起来
现在，咱们把刚才说的所有模块拼在一起：autoresearch.jsonl记录想法，autoresearch.sh执行实验，git筛选并保存最优解，UserPromptSubmit钩子注入历史经验，autoresearch-dashboard.md展示进化轨迹。
当所有模块拼在一起，一个非常神奇的事情就会发生：这个系统开始“活”过来了，它自己进入了无限循环。这个循环就像永动机一样：
写实验（在日记本上记下一行）→ 跑实验（执行脚本）→ 评估结果（根据指标打分）→ 择优保存（git commit好结果）→ 再写实验（基于新经验，写下新一行）
这个循环可以一直跑下去，只要你的电脑还有电、还有硬盘空间，它就会像一个不知疲倦的研究员，24小时不停地尝试各种方案，然后从失败中学习，从成功中进化，变得越来越聪明。这时候，你再回头看，它已经不再是那个简单的脚本集合了，它更像一个拥有记忆、拥有选择、拥有进化方向的生命体。它就是你养在电脑里的一个“进化实验体”，看着它一点点变强，那种成就感，比你自己打赢一局游戏还爽。
关键风险：评估函数决定命运
讲到这里，大家肯定觉得这系统简直无敌了，但我必须给大家泼盆冷水，说一个现实的硬伤。这套看似完美的系统，有一个非常致命的软肋——那就是“评估函数”，也就是用来判断实验结果好不好的那个标准。
因为整个系统从“择优保存”到“下次该尝试什么”，所有的判断依据都来自于这个评估函数给出的分数。如果这个评估函数本身有偏差，或者设计得不合理，那整个系统就会像一个被误导的登山者，朝着一个错误的方向疯狂狂奔，而且还觉得自己离山顶越来越近。
举个例子，如果我们的评估函数是“投篮姿势要帅”，那系统经过无数代的进化，最后可能会训练出一个投篮姿势极其华丽，但球永远砸在篮筐边上的“舞者”。或者如果评估函数只盯着“解题速度快”，那它可能会发展出一套虽然很快但正确率只有10%的“蒙题大法”。所以，在用这套系统之前，最重要的一步，其实根本不是写代码，而是静下心来，认真地思考一个问题：“对于我想解决的这个问题，到底什么才算是‘好’？”
作者背景与独特性评价
好了，技术聊完了，咱们最后来聊聊那个站在这个疯狂系统背后的人。这个项目的作者，是一个能把两种看似矛盾的能力完美结合的人。一方面，他对AI自动化研究的底层逻辑有着极其深刻的理解，这种理解源于对Andrej Karpathy这类顶尖学者推动的“自动研究”理念的追随；另一方面，他又拥有把复杂理念转化为极简代码的顶级工程能力，这种简化哲学，又深受像Tobi Lütke这样的工程大师的影响。这两种能力放在同一个人身上，本身就是一种稀有物种。
很多人能侃侃而谈“未来AI会怎样”，但能动手把未来变成现实的人少之又少。而在这个项目中，作者不仅动手了，还选择了一条最不寻常的路：用最简单的工程手段，去实现最复杂的系统行为。他像一位功夫大师，没有选择炫酷的招式，而是用最朴素的几招，却打出了四两拨千斤的效果。这种风格，就像是高手过招，你还没看清他出的什么招，自己就已经输了。他的独特性就在于，用克制和约束，反而让系统释放出最强大的进化潜能，这本身就充满了智慧和哲学意味。
收个尾：这东西到底改变了什么
以前我们做实验、搞研究、甚至写作业，是什么样？像不像手动刷副本？我们一遍一遍地操作，一遍一遍地试错，就像游戏里那个可怜的勇士，自己举着剑，一刀一刀地砍怪，能不能掉装备、能不能升级，全靠自己的手速和运气。人困马乏，效率低下。
现在，我们有了这个系统，一切都变了。它变成了一个“挂机系统”。我们只需要在后台把它挂上，它就会自己24小时不停地刷副本，掉下来的好装备它会自动保留，差装备它直接扔掉。最厉害的是，它还会自己分析为什么这个装备好，下次该怎么走位才能更容易爆出好装备。它会自己优化路线，自己调整策略。
而在这个过程中，我们人类的角色也从那个吭哧吭哧亲自上阵的执行者，变成了一个站在旁边制定战略、设计规则的“设计师”。我们终于从那些繁琐、重复、枯燥的操作细节中抽离出来，把时间和精力放在更有创造性的地方——去定义目标，去设计评估函数，去思考这个系统未来的进化方向。当这种系统真正跑起来的时候，你才会真正感受到一种前所未有的震撼：你亲手创造出来的这个实验系统，它不再是死的，它开始自己进化，自己生长。这感觉，就问你酷不酷？