这是一篇由原始材料转换而来的阅读页，保留了源文件的主要结构，并补充了可追溯的来源说明与链接。

Ideas

主题定位

把 autoresearch 放在 harness engineering 下面，不是因为它只是一个小分支， 而是因为它天然依赖 harness：

• agent 如何被驱动
• 可调用哪些工具
• 允许改哪些文件
• 如何评估结果
• 如何记账
• 如何中断与恢复

所以 autoresearch 不是一个孤立技巧， 而是一种 面向实验系统的 harness design。

核心想法

1. 从“写提示词”转向“写运行制度”

真正有复利的，不是单条 prompt， 而是能稳定复用的运行制度。

例如： - 每轮只允许一个主假设 - 每次实验必须 commit - 每次运行必须记录指标 - 未达阈值必须回滚 - crash 必须归档原因

这些不是提示技巧， 而是制度设计。

2. 从“让 agent 更聪明”转向“让系统更稳健”

单纯提高模型能力当然有帮助， 但在实际工程里，更常见的瓶颈是：

• 目标模糊
• 边界不清
• 记录缺失
• 评估漂移
• 无法复盘

因此，高质量 autoresearch 的关键不是神奇思维链， 而是让系统自然地产生：

• 可比较的结果
• 可保留的增量
• 可撤销的失败
• 可理解的轨迹

3. Autoresearch 是一种“搜索编排”

它不只关心“想法是否好”， 更关心：

• 搜索空间如何定义
• 搜索步长如何控制
• 探索与利用如何平衡
• 局部最优如何识别
• 历史经验如何复用

4. program.md 是研究组织的接口层

program.md 不只是说明文档。 它是：

• 人对 agent 的治理接口
• 研究流程的可编辑控制面
• 策略、边界、价值函数的声明位置

5. 未来值得研究的，不只是实验对象，还有 program 本身

可以继续向上抽象：

• 哪种 program.md 更容易产生稳定增益？
• 哪种 keep/discard 规则最有效？
• 哪种日志格式最利于 agent 学会利用历史？
• 多 agent 分工应如何设计？

换句话说： program 也可以成为被 autoresearch 的对象。

应用方向

• 模型训练实验自动化
• 代码优化闭环
• benchmark 驱动改进
• 提示策略搜索
• agent workflow 自优化
• harness policy A/B testing

设计偏好

我们偏好：

• 小步、清晰、可归因的实验
• 强约束下的自治
• 可追踪的结果资产
• 简洁优先于炫技
• 可中断、可恢复、可接管

我们警惕：

• 指标作弊
• 隐式状态
• 过度复杂的策略层
• 无上限的搜索空间
• 无法复现实验结论