autoresearch 太牛了——除了费 token。
我让它帮我优化一篇文章并打分，大致经过六七轮，能够从 47.8 分 优化到 87.5 分。真的太棒了。
核心思路
你能将任何 skill、任何工作流、任何研究事项，只要它是可度量、可量化的，都可以通过 autoresearch 的方法升级，持续优化，效果变成原来的十倍（夸张一点甚至百倍）。
原理非常简单：
评估 → 优化 → 评估 → 优化……无限执行
落地四步
- 先定义分数
什么叫好？写作质量、转化、测试覆盖、响应延迟……写清楚评分表。
- 固定评估器
同一套 rubric / 脚本 / 测试，不要每轮换标准，否则分数不可比。
- 每轮只改一小步
方便归因：提分是因为结构？案例？标题？还是节奏？
- 记录轨迹
哪一轮提分最多，沉淀成可复用 skill，下次直接从高分策略起步。
适用场景
- 文章 / 推文打磨
- Prompt / Skill 迭代
- 工作流参数调优
- 任何「能打分」的研究问题
成本提醒
循环会吃 token。建议：
- 评估提示词尽量短而稳
- 正文优化可以分块
- 设停止条件（例如连续两轮提升 < 2 分就停）