AGR : Recherche Générale Artificielle

VérifiéPrudence

Cadre d'optimisation itérative autonome pour Claude Code. Généralise l'auto-recherche de Karpathy à tout problème mesurable avec vérification de correction et contexte frais par itération.

Spar Skills Guide Bot
DeveloppementAvancé
27/07/2026
Claude Code
#autonomous-optimization#autoresearch#optimization-loop#benchmarking#claude-code

Recommandé pour

Synthèse automatique

Cadre d'optimisation itérative autonome qui lance des instances Claude Code headless successives pour améliorer n'importe quelle métrique mesurable, avec vérification de correction et gestion de la variance.

Points forts

  • Contexte neuf à chaque itération (Ralph Loop), ce qui évite la dégradation du contexte sur les longues sessions
  • Acceptation tenant compte de la variance : chaque sous-benchmark est évalué séparément et une amélioration de plus de 5% suffit si les autres ne régressent pas
  • Détection d'artefacts lorsqu'une même « amélioration » apparaît partout, signe de bruit système plutôt que d'un vrai gain
  • Registre des approches épuisées, audit des rejets par un superviseur et visualisation du progrès avec ventilation par composant

Limites

  • Nécessite Claude Code v2.1.72+ avec le CLI claude dans le PATH et le mode headless, donc inutilisable avec d'autres agents
  • Ne s'applique qu'aux problèmes disposant d'une métrique numérique parsable, d'une vérification de correction et d'un code modifiable
  • L'invocation par le modèle est désactivée : le skill doit être déclenché explicitement avec /agr
Quand l'utiliser

À utiliser lorsqu'un objectif se traduit par un nombre à minimiser ou maximiser et que l'on veut laisser une boucle autonome explorer des expériences pendant des heures.

Quand l'éviter

À éviter quand le résultat ne peut pas être réduit à une métrique parsable avec une garde de correction, ou quand le travail demande une exploration interactive et qualitative.

Analyse de sécurité

Prudence
Score qualité84/100

The skill is a legitimate autonomous optimization framework and does not contain explicit destructive, exfiltration, or obfuscated payload instructions. However, it relies on powerful tools, headless agent spawning, git reset behavior, and long-running unattended execution, so it should be listed with caution and clear sandboxing/permission guidance.

Points d'attention
  • •Autonomous loop spawns fresh `claude -p` instances with Bash, Write, Edit, and Agent permissions, allowing unattended command execution and code modification.
  • •The workflow uses git commit/reset to discard experiments; misconfiguration or running in a dirty repo could lose uncommitted work.
  • •The skill encourages an open-ended "Never stop" loop and supervisor pattern without explicit sandboxing, permission boundaries, or stop conditions beyond human interruption.
  • •Setup generates and executes benchmark and launcher scripts (`run_agr.sh`, `run_agr.ps1`) whose safety depends on user-provided metric/guard commands.
Comment cette analyse est faite

Exemples

Speed optimization loop
/agr speed
Bundle size reduction
/agr "bundle size"
Latency with correctness guard
Set up an AGR optimization loop to minimize p95 latency of the search endpoint, keeping the full test suite passing as the guard.

name: agr description: "AGR: Artificial General Research — autonomous iterative optimization framework for Claude Code. Generalizes Karpathy's autoresearch to any measurable problem with variance-aware acceptance, correctness verification, and fresh-context-per-iteration (Ralph Loop). Use when setting up autoresearch, creating optimization loops, or autonomous research. Triggers on: autoresearch, AGR, auto research, optimization loop, auto optimize, artificial general research." argument-hint: [metric-to-optimize] disable-model-invocation: true allowed-tools: Bash, Read, Write, Edit, Glob, Grep, Agent

AGR: Artificial General Research

Autonomous iterative optimization for any measurable problem. Powered by Claude Code. Inspired by Karpathy's autoresearch.

Thank you Andrej Karpathy for everything you do for open source and the AI community. Your autoresearch showed that AI agents can run experiments overnight and wake up to a better system. AGR generalizes that vision beyond ML to any domain.

Also inspired by uditgoenka/autoresearch for the Guard/Metric separation and rework-on-failure patterns.

Requires: Claude Code v2.1.72+ (claude CLI in PATH)

What Is AGR?

AGR uses Claude Code's headless mode (claude -p) to run an autonomous optimization loop. Each iteration is a fresh Claude Code instance (no context degradation) that:

  1. Reads state from files (what's been tried, what worked, what's next)
  2. Picks ONE experiment to try
  3. Implements the change
  4. Measures Metric (the number to optimize) + checks Guard (must not break)
  5. Keeps if improved, reworks if guard failed, discards if no improvement
  6. Logs everything, updates strategy document
  7. Dies — next iteration starts with fresh context

Works for any problem where you can: measure a number + verify correctness + modify code.

Quick Start

/agr speed                    # set up speed optimization
/agr accuracy                 # set up accuracy optimization
/agr "bundle size"            # set up bundle size optimization

What Makes AGR Different

vs Karpathy's autoresearch

| Feature | Karpathy | AGR | |---|---|---| | Domain | ML training only | Any measurable problem | | Context | One long session (degrades) | Fresh per iteration (Ralph Loop) | | Correctness | Not verified | Checksums + guard command | | Variance handling | Not addressed | Per-benchmark variance analysis | | Failed ideas | Not tracked | Exhausted Approaches registry |

vs uditgoenka/autoresearch

| Feature | Udit | AGR | |---|---|---| | Variance analysis | Not explicit | Per-benchmark with artifact detection | | Context management | Long session | Fresh per iteration (Ralph Loop) | | Progress visualization | Not included | progress.png with breakdown chart | | Supervisor pattern | Not included | Audit discards, adjust strategy between batches | | Templates | Pure instructions | Generates benchmark.py, analysis.py, etc. |

Unique to AGR

  • Variance-aware acceptance: measurement noise in dominant benchmarks can mask real improvements. AGR checks each sub-benchmark independently and accepts if ANY improves >5% without others regressing.
  • Artifact detection: if ALL experiments show the same "improvement", it's system noise, not optimization.
  • Supervisor pattern: a parent agent or human monitors results.tsv, audits discards for hidden improvements, and adjusts strategy between batches.
  • Multi-benchmark visualization: progress.png shows total metric + per-component breakdown.

Setup Wizard

When invoked, follow these steps:

Step 1: Understand the Project

Ask the user:

  1. What to optimize? (speed, accuracy, size, cost, latency, score...)
  2. How to measure it? (Metric — must output a parseable number)
  3. How to verify correctness? (Guard — tests, checksums, golden outputs)
  4. What can the agent modify? (files, directories)
  5. What MUST NOT change? (benchmark, tests, data)
  6. Build step needed? (compile, bundle, deploy)
  7. Runtime path? (especially on Windows with multiple Pythons)

Step 2: Generate Files

See references/templates.md for complete templates.

{project}/
├── benchmark.py              ← Metric + Guard verification
├── baseline_checksums.json   ← Guard ground truth
├── program.md                ← Agent instructions (one iteration)
├── STRATEGY.md               ← Persistent brain
├── results.tsv               ← Experiment log (append-only)
├── analysis.py               ← Generates progress.png
├── run_agr.sh                ← Loop launcher (bash)
└── run_agr.ps1               ← Loop launcher (PowerShell)

Step 3: Baseline

  1. Run benchmark.py --save to establish baseline + save checksums
  2. Record baseline in results.tsv
  3. Mandatory dry-run validation: confirm benchmark produces parseable number
  4. Generate initial progress.png

Step 4: Launch

bash run_agr.sh --max 3   # start with 3 to validate

Core Principles

From Karpathy

  • Single metric — one number, lower (or higher) is better
  • Fixed benchmark — NEVER modified by the agent
  • Git keep/discard — commit before running, reset if no improvement
  • Log everything — failures prevent re-trying bad ideas
  • Never stop — runs until human interrupts
  • Simplicity criterion — complexity needs proportional improvement

From AGR

  • Fresh context per iteration (Ralph Loop) — no quality degradation
  • Metric + Guard separation — optimize speed without breaking tests
  • Rework before discard — if guard fails but metric improved, fix implementation (2 attempts)
  • Variance-aware acceptance — per-benchmark analysis beats total-only
  • Stuck detection (>5 discards) — re-read everything, try opposites, combine successes
  • Persistent strategy — STRATEGY.md with exhausted approaches registry
  • Supervisor audit — review discards for hidden improvements

Decision Logic

1. GUARD FAILED + Metric improved?   → REWORK (max 2 attempts)
2. GUARD FAILED + Metric didn't?     → DISCARD
3. GUARD PASSED + Metric improved?   → KEEP
4. GUARD PASSED + benchmark >5% up?  → KEEP (noise-masked improvement)
5. GUARD PASSED + code simpler?      → KEEP (simplification win)
6. None of above?                    → DISCARD
7. Build crashed?                    → Fix (3 attempts) or CRASH
8. Benchmark timeout?                → CRASH

Claude Code Flags

claude -p "$(cat program.md)" \
    --dangerously-skip-permissions \
    --max-turns 100 \
    --effort high

| Flag | Purpose | Recommendation | |---|---|---| | -p | Headless mode (fresh context) | Always use | | --dangerously-skip-permissions | Full autonomy | Required | | --max-turns 100 | Safety limit | 50 simple / 100 compiled | | --effort high | Deep reasoning | Use for optimization | | --max-budget-usd N | Cost cap | Optional | | -w / --worktree | Parallel experiments | Advanced |

See references/guide.md for complete documentation.

Compatibility

Designed for Claude Code (Anthropic CLI). Expanding to other AI coding agents (OpenCode, Cursor CLI, Aider) is pending — the core architecture is agent-agnostic, only loop scripts and CLI flags need adaptation.

Credits

Du fichier au premier essai

Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.

Consulter la source et ses fichiers annexes

Ce téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.

1. Télécharger le fichier

Télécharger SKILL.md

Depuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/agr-artificial-general-research-ms2s7by2/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.

Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.

mkdir -p '.skill-downloads/agr-artificial-general-research-ms2s7by2' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/agr-artificial-general-research-ms2s7by2/download' --output '.skill-downloads/agr-artificial-general-research-ms2s7by2/SKILL.md.part' && mv '.skill-downloads/agr-artificial-general-research-ms2s7by2/SKILL.md.part' '.skill-downloads/agr-artificial-general-research-ms2s7by2/SKILL.md'

2. Vérifier les prérequis

Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.

Outils déclarés par l’auteur (à vérifier dans votre agent) : Bash, Read, Write, Edit, Glob, Grep, Agent

Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.

Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.

3. Charger la skill

Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.

Claude Code
test -f '.skill-downloads/agr-artificial-general-research-ms2s7by2/SKILL.md' && test -s '.skill-downloads/agr-artificial-general-research-ms2s7by2/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/agr' && cp -R '.skill-downloads/agr-artificial-general-research-ms2s7by2' '.claude/skills/agr'

OpenSkills

OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.

Installation officielle d’OpenSkills
openskills install './.skill-downloads/agr-artificial-general-research-ms2s7by2'

openskills read 'agr-artificial-general-research-ms2s7by2'

La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.

Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.

openskills sync

Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.

4. Faire un premier essai

Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :

Lis .skill-downloads/agr-artificial-general-research-ms2s7by2/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.

Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.

Skills similaires