클로드스킬마트스킬 둘러보기스킬이 뭐예요?
 
← 목록으로

오토리서치 에이전트 (자율 실험 루프)

측정 가능한 지표를 기준으로 파일 하나를 반복 수정·평가하며 개선분만 남기는 자율 실험 루프 스킬.

자동화·워크플로고급★ 24,151⑂ 3,405AI 점수 8/10마지막 업데이트: 2026. 8. 9.

무엇을 해주나

Karpathy의 autoresearch에서 영감을 받은 자율 최적화 루프입니다. 사용자가 (1) 최적화할 대상 파일, (2) 지표를 출력하는 평가 명령, (3) git 저장소를 준비하면, 에이전트가 다음을 무한 반복합니다.

  1. 실험 기록(results.tsv)을 읽고 아직 시도하지 않은 아이디어를 고른다
  2. 대상 파일에 한 번에 하나의 변경만 적용하고 커밋
  3. 평가 스크립트를 실행해 지표를 측정
  4. 개선되면 커밋 유지(KEEP), 나빠지면 git reset --hard로 폐기(DISCARD), 오류는 CRASH로 기록

/ar:setup, /ar:run, /ar:loop, /ar:status, /ar:resume 슬래시 커맨드와 속도·용량·메모리·테스트 통과율용 무료 평가기, 헤드라인·프롬프트·카피용 LLM 심판 평가기가 함께 제공됩니다. 10회마다 결과 패턴을 분석해 전략 문서(program.md)를 스스로 갱신하는 자기개선 루프도 포함됩니다.

이런 분께 추천

  • 벤치마크 수치를 붙잡고 며칠씩 튜닝해야 하는 백엔드/성능 엔지니어
  • 번들 크기, 빌드 시간, Docker 이미지 용량을 조금씩 깎아야 하는 인프라 담당자
  • A/B 테스트처럼 제목·광고 카피·시스템 프롬프트를 수십 개 변형해 점수로 비교하고 싶은 마케터/프롬프트 엔지니어
  • 밤새 에이전트를 돌려놓고 아침에 결과 대시보드만 확인하고 싶은 사람

활용 예시

  • API 지연 줄이기: src/api/search.py를 대상으로 pytest bench.py의 p50_ms를 낮추는 실험을 47회 돌려 185ms까지 단축
  • 프런트엔드 번들 다이어트: benchmark_size 평가기로 size_bytes를 지표로 삼아 빌드 산출물 용량을 반복 축소
  • 블로그 제목 CTR 개선: content/titles.md를 대상으로 llm_judge_content 평가기가 매기는 0~10점 CTR 점수를 높이는 방향으로 제목 변형을 자동 탐색

· · · 설치 가이드 · · ·

Claude 앱에 설치 (터미널 필요 없음)
  1. 아래 버튼으로 ZIP 파일을 받으세요.
  2. Claude 설정 → Capabilities에서 '코드 실행 및 파일 생성'을 켭니다. (한 번만)
  3. Claude에서 Customize → Skills → + → '스킬 업로드'를 누르고 받은 ZIP을 올립니다.
↓ ZIP 내려받기
Claude Code에 설치

Claude에게 맡기기 — 아래 문장을 Claude Code에 붙여넣으세요

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 alirezarezvani/claude-skills 의 .gemini/skills/autoresearch-agent 폴더를 내 ~/.claude/skills/autoresearch-agent/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.

직접 명령으로 설치하기

git clone https://github.com/alirezarezvani/claude-skills.git && mkdir -p ~/.claude/skills && cp -r claude-skills/.gemini/skills/autoresearch-agent ~/.claude/skills/

⚠ 제3자가 만든 스킬입니다. 설치 전 원본 저장소를 한 번 확인하세요.

  1. 터미널을 열고 저장소를 클론합니다: git clone https://github.com/alirezarezvani/claude-skills.git
  2. 스킬 폴더를 Claude Code 스킬 경로로 복사합니다: mkdir -p ~/.claude/skills && cp -r claude-skills/.gemini/skills/autoresearch-agent ~/.claude/skills/
  3. 최적화하려는 프로젝트 폴더에서 Claude Code를 실행합니다. 해당 폴더는 반드시 git 저장소여야 합니다(git init 후 최초 커밋 완료).
  4. 작업 중인 변경사항은 미리 커밋하거나 stash 하고, 실험용 브랜치를 만들어 둡니다: git checkout -b autoresearch/engineering/api-speed
  5. Claude에게 "이 파일을 (지표) 기준으로 최적화하는 autoresearch 실험을 세팅해줘"라고 요청하거나 /ar:setup을 실행합니다.
  6. 평가 명령이 실제로 지표명: 값 형태를 출력하는지 --dry-run으로 먼저 확인합니다.
  7. 확인이 끝나면 /ar:run으로 1회 돌려보고, 문제가 없으면 /ar:loop으로 자율 루프를 시작합니다. 진행 상황은 /ar:status로 확인하세요.
GitHub에서 원본 보기 ↗라이선스: MIT