auto-optimize
使用 auto-run-agent 对目标项目进行自动化分析、评估、设计和优化。完整流程包括:探索项目现状 → 识别问题 → 设计任务列表 → 创建 runner 环境 → 启动自主执行。适用于任何需要批量优化的项目。
Works with
Agent Skills format with YAML frontmatter. Claude Code reads it as-is.
---
name: "auto-optimize"
description: "使用 auto-run-agent 对目标项目进行自动化分析、评估、设计和优化。完整流程包括:探索项目现状 → 识别问题 → 设计任务列表 → 创建 runner 环境 → 启动自主执行。适用于任何需要批量优化的项目。"
license: "MIT"
---
# Auto-Optimize:自主优化流程
使用 auto-run-agent 编排 Claude Code 对目标项目进行持续自动优化。
## 核心原则(从 30+ 实战 session 提炼)
1. **不修比乱修重要** — 每个发现必须分类为 FIX / SKIP / DEFER,SKIP 必须附理由
2. **扫描维度轮换** — 不要每次只找同一类问题,按维度轮换扫描
3. **原子验证** — 每个 fix 独立验证,不攒到最后一起跑
4. **经验持久化** — 踩过的坑写入 MEMORY.md,避免跨 session 重复犯错
## 扫描维度(按轮次轮换)
| 轮次 | 维度 | 扫描目标 |
|------|------|----------|
| 1 | Bug | 逻辑错误、死锁、TOCTOU、panic 路径、边界条件 |
| 2 | 架构 | 命名冲突、职责混乱、模块耦合、类型设计缺陷 |
| 3 | 重复 | 代码重复、可提取的公共逻辑、copy-paste 痕迹 |
| 4 | 性能 | 不必要的 clone/alloc、O(n²) 路径、阻塞调用 |
| 5 | 测试 | 缺失覆盖、脆弱断言、缺少边界用例 |
| 6 | API | 对标竞品的功能缺口、易用性问题、文档缺失 |
用户可指定维度,否则按项目当前状态自动选择最需要的维度。
## 完整流程
### Phase 1:探索与评估
1. 确认目标项目路径(用户提供或当前目录)
2. 深度探索项目:
- 读取 README、CLAUDE.md 等项目规范
- 分析项目结构、技术栈、依赖
- 阅读核心源码,理解架构
- 检查 TODO/FIXME、#[allow(dead_code)] 等标记
3. 按当前维度并行扫描(用 sub-agent 按模块分区扫描)
4. 输出评估报告给用户,确认优化方向
### Phase 2:分类与设计
对每个发现进行三分类:
```
FIX — 有明确方案,不破坏公开 API,收益 > 风险
SKIP — 附理由:breaking change / over-engineering / not a bug / intentional design
DEFER — 需要更多信息或用户决策,记录到 TASKS.md 的 backlog 区
```
SKIP 判断标准(加载 rules/ 目录下对应语言的规则):
- 触及公开 API 签名 → SKIP(除非用户明确要求 breaking change)
- 只有 1 处使用的"重复" → SKIP(提取抽象是过度设计)
- 不同语义的相似代码 → SKIP(如 Span 内联样式 vs Text 全局样式)
- 宏能解决但会降低可读性 → SKIP
FIX 任务按依赖排序,生成结构化任务列表:
```markdown
## 高优先级
- [ ] [BUG] 描述 | 文件 | 方案摘要
- [ ] [BUG] ...
## 中优先级
- [ ] [DEDUP] 描述 | 文件 | 方案摘要
- [ ] [DESIGN] ...
## 架构审查(高/中完成后触发)
- [ ] [ARCH] 全面审查架构合理性,发现问题追加新任务
## 低优先级
- [ ] [STYLE] ...
## Backlog(DEFER)
- [ ] [DEFER] 描述 | 需要的信息
```
### Phase 3:创建 Runner 环境
1. 在目标项目中 commit 当前状态并创建新分支(如 `auto-optimize`)
2. 创建 runner 目录结构:
```
<runner-dir>/
├── memory/
│ ├── TASKS.md # Phase 2 设计的任务列表
│ ├── CONTEXT.md # 项目背景、技术栈、规范、架构概览
│ └── DONE.md # 自动生成
├── workspace/ # 软链接到目标项目
├── logs/
└── config.yaml
```
3. CONTEXT.md 必须包含:
- 项目概述和技术栈
- 架构概览(关键模块和职责)
- 项目规范(引用项目自身的 CLAUDE.md 或编码规范)
- 构建和测试命令(每次修改后必须验证)
- commit 规范(如有 DCO 要求等)
- 当前扫描维度和轮次记录
4. config.yaml 默认配置:
```yaml
max_iterations: 50
max_cost_usd: 0
max_duration: 6h
consecutive_no_progress: 3
stop_when_empty: true
cooldown_duration: 15s
worker_timeout: 30m
use_git_detection: true
```
### Phase 4:执行与验证
1. 使用 auto-run-agent 启动:
```bash
cd <auto-run-agent 目录>
./orchestrator --dir <runner-dir> --max-iterations 50 --max-cost 0 --max-duration 6
```
2. Worker 执行规则:
- 每个 fix 完成后立即运行验证命令(从 CONTEXT.md 读取)
- 验证失败 → 立即回滚该 fix,标记为 DEFER,继续下一个
- 验证通过 → commit,标记为 DONE,更新 DONE.md
- 每完成一个 fix,检查是否触发了新问题(回归检测)
3. 监控命令:
- `tail -f <runner-dir>/logs/orchestrator_*.log` — 实时日志
- `cat <runner-dir>/memory/DONE.md` — 查看完成记录
- `cat <runner-dir>/memory/TASKS.md` — 查看剩余任务
### Phase 5:收尾与学习
1. 所有 FIX 完成后,运行完整测试套件
2. bump version(patch for fixes, minor for new features)
3. 更新项目 MEMORY.md,记录本轮发现的模式和教训
4. 记录本轮扫描维度,下次自动切换到下一个维度
## 规则系统
规则文件位于 `rules/` 目录,按语言分类。扫描时自动加载对应语言的规则。
```
auto-optimize/
├── SKILL.md
└── rules/
├── universal.md ← 通用规则(所有语言适用)
├── rust.md ← Rust 特定规则
├── python.md ← Python 特定规则
├── typescript.md ← TypeScript 特定规则
└── go.md ← Go 特定规则
```
规则格式:每条规则有 ID、类别、描述、示例。Worker 在扫描和修复时参考这些规则来判断 FIX/SKIP。
## 用户交互要点
- Phase 1 完成后必须向用户展示评估报告,确认优化方向
- Phase 2 的任务列表展示给用户确认后再创建文件
- 启动前询问用户:迭代次数、时间限制、是否有成本限制
- runner 目录默认放在 `~/Desktop/code/AI/<project-name>-runner/`
- 用户可随时编辑 TASKS.md 插入新任务或调整优先级
## 注意事项
- auto-run-agent 位于 `<auto-run-agent 目录>`
- 目标项目必须先 commit 干净再切分支,确保可回滚
- workspace 用软链接,不复制代码
- 多个项目可同时运行,互不影响(注意 API rate limit)More General & Other skills
find-skills
vercel-labs/skills
Helps users discover and install agent skills when they ask questions like "how do I do X", "find a skill for X", "is there a skill that can...", or express interest in extending capabilities. This skill should be used when the user is looking for functionality that might exist as an installable skill.
grill-me
mattpocock/skills
A relentless interview to sharpen a plan or design.
grill-with-docs
mattpocock/skills
A relentless interview to sharpen a plan or design, which also creates docs (ADR's and glossary) as we go.

