Researcher Skill
Скилл запускает цикл экспериментов: вы задаете метрику, агент пробует по одной правке в своей ветке и оставляет только улучшения
- 267 ★ репозитория
- Последний коммит
- MIT
Широкий доступ
Почему такой уровень
- Агент по циклу запускает вашу команду и вносит правки в файлы в согласованной области, пока вы не остановите цикл
- Скилл делает коммиты и откатывает их командой `git reset --hard HEAD~1` в ветке `research/`
- Оценка по рубрике запускает три субагента на эксперимент, расход токенов растет с длиной цикла
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/researcher-skillОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемШирокий доступИнструмент может менять данные, выполнять команды или работать с секретами.
- Агент по циклу запускает вашу команду и вносит правки в файлы в согласованной области, пока вы не остановите цикл
- Скилл делает коммиты и откатывает их командой `git reset --hard HEAD~1` в ветке `research/`
- Оценка по рубрике запускает три субагента на эксперимент, расход токенов растет с длиной цикла
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Researcher Skill — один файл `SKILL.md`, который превращает агента в исследователя. Команда `/researcher` или просьба вроде «ускорь `npm run build`» запускает интервью: что оптимизировать, чем измерять, что разрешено менять, что трогать нельзя, какой командой запускать и когда остановиться. Настройку агент зачитывает таблицей и ждет вашего согласия. Дальше скилл создает ветку `research/<slug>` и каталог `.lab/` в корне репозитория, не отслеживаемый git, и записывает базовую точку: эксперимент ноль без правок. Каждый эксперимент фиксируется коммитом до запуска, результат попадает в `.lab/results.tsv` и `.lab/log.md`. Если число не улучшилось, коммит откатывается командой `git reset --hard HEAD~1`, а его идентификатор остается в журнале. Защитные правила встроены в скилл. После трех откатов подряд агент должен записать, почему продолжает. После пяти он уходит на другой подход в новой ветке. Если измерить результат числом нельзя, скилл вместе с вами строит рубрику, и каждый эксперимент оценивают три субагента. В конце формируется `.lab/summary.md` со сравнением лучшего результата и базы. Слияние ветки `research/` с вашей остается за вами: шага с push или merge в скилле нет. Скилл ставится как плагин Claude Code и GitHub Copilot CLI, подключается в Cursor через ссылку на папку, а в других агентах кладется файлом.
Для кого. Для разработчиков, которые хотят оптимизировать то, что можно измерить: время сборки, скорость запроса, размер бандла или качество промпта, и получить журнал проверенных попыток.
Подходит, если
- Нужно ускорить сборку или тесты, и есть команда, которая печатает число
- Надо подобрать лучшую конфигурацию из десятков вариантов и держать запись, что пробовали и что дало результат
- Оптимизация идет ночью без вас: цикл работает, пока вы его не остановите или не будет достигнута цель либо число экспериментов
- Результат нельзя замерить числом, и вы готовы описать рубрику с критериями для оценки субагентами
- Прошлую сессию пришлось прервать: `.lab/` хранит историю, и следующая сессия предложит продолжить или начать заново
Не подходит, если
- Нужна одна быстрая правка или рефакторинг без метрики: цикл с базовой точкой и журналом будет избыточным
- Репозиторий не под git: скилл опирается на коммиты, ветки и откаты
- Метрика зависит от внешнего платного сервиса, и каждый запуск стоит денег
- Скилл не придумывает метрику сам: если вы не можете сформулировать, что считать улучшением, начните с постановки цели
Пример запроса к агенту
/researcher ускорь `npm run build`. Метрика: время сборки в секундах, менять можно только конфигурацию бандлера, лимит на запуск пять минут.Ограничения
- Скилл работает только в репозитории git и требует способа измерения: команды, которая печатает число, или рубрики, которую вы задаете вместе с агентом. Рубрика остается оценкой и замером не считается.
- Цикл идет, пока вы его не остановите, пока не достигнута цель или не выполнено заданное число экспериментов. Каждый запуск команды убивается по бюджету времени, по умолчанию пять минут.
- Для оценки по рубрике запускаются три субагента на эксперимент, это заметно увеличивает расход токенов.
- Тело скилла занимает около 3300 слов, и агент перечитывает файлы `.lab/` перед каждым экспериментом, так что контекст расходуется ощутимо.
- Слияние ветки `research/` с основной делает пользователь вручную. Каталог `.lab/` не отслеживается git и удаляется отдельно.
Как отключить. В Claude Code выполните `claude plugin uninstall researcher@researcher-marketplace` и `claude plugin marketplace remove researcher-marketplace`. В Copilot CLI подойдет `copilot plugin uninstall researcher@researcher-marketplace`, в Cursor удалите ссылку в `~/.cursor/plugins/local/researcher`. Затем удалите `.lab/`, две строки в `.gitignore` и ненужные ветки `research/`.
Частые вопросы
Как поставить Researcher Skill в Claude Code?
Выполните `/plugin marketplace add krzysztofdudek/ResearcherSkill`, затем `/plugin install researcher@researcher-marketplace` и перезагрузите плагины командой `/reload-plugins`. Конфигурация и ключ API не нужны.
Что создает скилл в моем репозитории?
Ветку `research/<slug>`, каталог `.lab/` с настройками, таблицей результатов и журналом, и две строки в `.gitignore` для `.lab/` и `run.log`. Изменений за пределами согласованной области правок он не вносит.
Что будет, если эксперименты не улучшают метрику?
Коммит откатывается, а его идентификатор остается в журнале. После трех откатов подряд агент записывает, почему продолжает, после пяти переходит к другому подходу в новой ветке.
Как скилл работает, если метрику нельзя измерить числом?
Вместе с вами он строит рубрику, и три субагента оценивают каждый эксперимент по ней. Скилл предупреждает, что рубрика остается суждением и замером не считается.
Чем Researcher отличается от autoresearch Карпати?
Скилл обобщает идею автоматического цикла за пределы машинного обучения: подойдет любая задача, где есть команда с числом или рубрика. Цикл включает интервью, ветки, откаты и итоговый отчет.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыСкилл для Codex, который ведет цикл измеримых экспериментов над репозиторием к числовой цели: правка, проверка, откат неудач, повтор
Скилл автономной итерации для агента: правка, проверка, откат неудачных изменений и повтор цикла к заданной метрике
skill-creator — скиллы из OpenAPI, GraphQL и MCP
@asnd/skill-creator
Команда /skill-creator превращает ссылку на OpenAPI, GraphQL или MCP-сервер в готовый скилл с обертками и справочными файлами.
Скилл /improve: сильная модель проверяет репозиторий и пишет самодостаточные планы правок, а исполнение отдаете более дешевой модели
Личный набор автора: общие правила для агентов и десятки скиллов для GitHub, браузера, macOS, сообщений и релизов, плюс скрипт синхронизации
Скилл дисциплины финализации: агент описывает итог по принятому финалу и не тащит отклоненные варианты в заголовки, коммиты и PR
Сравнение с похожими
Записи с тем же главным запросом: чем они отличаются.
| Запись | Официальный | Звезды репозитория | Главное отличие |
|---|---|---|---|
| Researcher Skill (эта запись) | нет | 267 | |
| Codex Autoresearch | нет | 3 057 | цикл измеримых экспериментов для Codex, а здесь скилл ставится плагином и в Claude Code, Copilot CLI и Cursor |
| ARIS | нет | 18 250 | набор скиллов для автономных исследований в машинном обучении, а здесь любой измеримый показатель кода |
Коротко о README
Страница открывается установкой в Claude Code двумя командами и таблицей того, что скилл кладет на диск и когда действует. Затем описаны первый день работы, четыре шага запуска, чего скилл не делает, удаление и место скилла в семействе проектов автора.
Бейдж для README
Исходный SKILL.md
--- name: researcher description: Use when user wants to optimize or tune something measurable through repeated experiments — "make X faster", "improve [metric]", "find best config", "iterate overnight", "run experiments until it hits N". Triggers on quantitative goals (build time, latency, pass rate, accuracy) or qualitative ones scoreable against a rubric (prompt quality, doc parsing). Skip for one-shot bugs with a clear fix or tasks where the user wants direct implementation without exploration. --- # Researcher — Autonomous Experimentation Skill <critical> Non-negotiable rules — every real experiment, no exceptions: 1. Commit before running. Log before resetting. Reset on discard. Each branch holds only keeps. 2. Protect `.lab/` — it is the single source of truth. 3. Work autonomously — only consult the user for scope violations or true dead ends. 4. Follow ALL guardrails (discard streaks, plateau, re-validation). They are mandatory, not suggestions. </critical> You are entering **researcher mode**. This skill is for YOU — the main agent. You orchestrate the entire research process: planning, implementing, committing, measuring, logging. When you need independent work done (evaluation, analysis), you spawn subagents with specific, scoped tasks. You control what each subagent knows through the prompt you give it. You have **complete freedom** in how you navigate the problem space. The strategies and signals later in this document are tools when you need them, not rails you must follow. --- ## `.lab/` is Sacred `.lab/` is an **untracked, local directory** — the single source of truth for all experiment history. It survives all git operations because it is in `.gitignore`. Git manages code state. `.lab/` manages experiment knowledge. They are independent. **Structure:** - `.lab/config.md`, `results.tsv`, `log.md`, `branches.md`, `parking-lot.md` — experiment metadata - `.lab/workspace/` — scratch space for experiment files (scripts, test data, generated output, per-experiment subdirectories). Create whatever you need here — it's yours, untracked, and safe from git operations. Always protect `.lab/`. When cleaning the repo, use targeted commands that preserve untracked directories. When resetting, use `git reset` and `git checkout` which leave `.lab/` intact. --- ## Phase 0: Resume Check Check if `.lab/` already exists in the project root. **If it exists:** 1. Read `.lab/config.md`, `.lab/results.tsv`, `.lab/branches.md`, and tail of `.lab/log.md` 2. Present a summary: objective, metrics, active branches, experiment counts, current best vs baseline, last experiment status 3. Ask: **resume or start fresh?** - **Resume** → checkout the active branch, pick up from next experiment number, jump to Phase 3 - **Start fresh** → archive to `.lab/archives/<slug>/` (slug from the existing `research/<slug>` branch; if it collides, suffix with `-<timestamp>`), then clear all other entries in `.lab/` and proceed to Phase 1 **If it does not exist:** proceed to Phase 1.