autoresearch
Autonomous experiment loop for Claude Code: run, measure, keep or discard. A port of pi-autoresearch.
Plugin-Paket · von bn-l
Überblick
autoresearch ist ein Plugin-Paket für KI-Coding-Tools von bn-l. Marktplätze, die wir lesen und die es listen: 1 (Community GitHub marketplaces). Wir haben es erstmals am 2026-10-15 gesehen und seither keine Änderung erfasst. Stand unseres Marktplatz-Durchlaufs vom 2026-10-15.
Was es abfragt
- Wird als Plugin-Paket installiert
Keiner der Marktplätze, die wir lesen, veröffentlicht seine Tools oder die abgefragten Einstellungen.
Was es deklariert, abfragt und ausführt, vollständig
Installieren Sie nur Plugins von Entwicklern, denen Sie vertrauen. Wir zeigen, was die Marktplätze veröffentlichen, und testen keine Plugins.
Funktioniert mit
- Claude Code
Nach den Marktplätzen, die ihn listen, und dem angegebenen MCP-Transport, wie jeder Client sie dokumentiert. Wir testen keine Plugins.
Verbinden
Befehle und Konfigurationen nur aus den Angaben der Marktplätze. Wir führen sie nicht für Sie aus und testen keine Plugins.
Als Claude-Code-Plugin
Erstellt aus den Angaben von Community GitHub marketplaces.
/plugin marketplace add bn-l/claude-autoresearch-mod
/plugin install autoresearch@bn-lWo es veröffentlicht ist
| Marktplatz | Status | Version | Zahlen | Verifiziert | Erstmals gesehen |
|---|---|---|---|---|---|
| Community-Marktplatz bn-l/claude-autoresearch-mod (Quelle auf GitHub öffnen) | Gelistet | 0.2.0 | Forks (GitHub): 0 Sterne (GitHub): 3 |
Nicht markiert |
Jede Zahl stammt vom jeweiligen Marktplatz und wird nie über Marktplätze hinweg addiert. Ein Marktplatz ohne veröffentlichte Zahl zeigt keine: keine Zahl ist nicht null.
In einem Community-Marktplatz gelistet
| Marktplatz | Repository | Sterne (GitHub) |
|---|---|---|
| bn-l | bn-l/claude-autoresearch-mod | 3 |
Was das Paket enthält
So veröffentlicht auf Community GitHub marketplaces.
Skills: 3
autoresearch-createautoresearch-finalizeautoresearch-hooks
Was sich geändert hat
- Wird seitdem als Produkt geführt
- Community GitHub marketplaces: erschienen
Ähnliche Plugins
Produkte, deren eigene Namen, Beschreibungen, Werkzeuge und Skills diesem der Bedeutung nach am nächsten sind, auf allen Marktplätzen, die wir lesen. Die Nähe ist nur innerhalb dieser Liste geordnet.
-
Autonomous experiment loop for Claude Code. Run an endless optimize-measure-keep/discard cycle on any optimization target: LLM training loss, test speed, bundle size, build time…
-
Autonomous experiment loops on any codebase — one file, one metric, one loop. An agent edits a constrained file, runs an eval, keeps improvements, reverts failures, and repeats…
-
Autonomous experiment loop — optimize any file by a measurable metric. 5 slash commands (/ar:setup, /ar:run, /ar:loop, /ar:ar-status, /ar:ar-resume), 8 built-in evaluators…
-
Autonomous experiment loop — iteratively optimize any metric with git-tracked experiments
-
Autonomous experiment loop — optimize any file by a measurable metric. 5 slash commands (/ar:setup, /ar:run, /ar:loop, /ar:status, /ar:resume), 8 built-in evaluators, configurable…
-
Evidence-first ML code review, paper-to-code research and reproducible GPU experiments for Claude Code
-
autoresearch-discover
Scan a codebase to find where autoresearch experiments would be most valuable.
-
Test your AI applications from Claude Code using Arato Simulate
-
Reviewable ML research: literature, planning, methodology review, bounded runs, sweeps, implementation verification, ablations, retrospectives, Kaggle, and setup
-
Principles and rules for writing faithful scientific code. Scientific code serves truth, not users. This plugin teaches Claude the fundamental differences between scientific and…
Ähnliche Plugins nach Marktplatz
Dieselbe Frage an jeden Marktplatz einzeln: Gibt es dort ein Gegenstück zu diesem Plugin?
Gelistet auf Claude Code: claude-plugins-community (5)
-
Autonomous experiment loop for Claude Code. Run an endless optimize-measure-keep/discard cycle on any optimization target: LLM training loss, test speed, bundle size, build time…
-
Autonomous experiment loops on any codebase — one file, one metric, one loop. An agent edits a constrained file, runs an eval, keeps improvements, reverts failures, and repeats…
-
Principles and rules for writing faithful scientific code. Scientific code serves truth, not users. This plugin teaches Claude the fundamental differences between scientific and…
-
20 enterprise-grade skills for autonomous AI/ML research lab operations. Includes 10 custom gap-analysis skills (research-commander, agent-debugger, model-evaluator…
-
Research-backed orchestration for Claude Code. Structured workflow from idea to production with parallel execution, session memory, 70-point validation, autonomous mode, and…
Gelistet auf Claude Code: claude-plugins-official (5)
-
Output.ai workflow development toolkit for Claude Code. Adds 5 specialist agents (planner, builder, debugger, prompt writer, quality reviewer), 40+ slash-command skills covering…
-
Comprehensive development workflow for building AI agents with the Atomic Agents framework. Includes specialized agents for schema design, architecture planning, code review, and…
-
DataRobot skills for AI/ML workflows — model training, deployment, predictions, feature engineering, monitoring, explainability, data preparation, App Framework CI/CD, and…
-
Analyze codebases and recommend tailored Claude Code automations such as hooks, skills, MCP servers, and subagents.
-
Langfuse observability plugin for Claude Code — captures and exports traces, spans, and session telemetry from Claude Code to Langfuse for LLM monitoring, debugging, and evaluation
Gelistet auf Claude: knowledge-work-plugins (5)
-
DataRobot skills for AI/ML workflows — model training, deployment, predictions, feature engineering, monitoring, explainability, data preparation, App Framework CI/CD, and…
-
AI-first project auditor and re-engineer based on the 9 design principles and 7 design patterns from the TechWolf AI-First Bootcamp
-
Skills for working with Langfuse, the open-source LLM engineering platform for tracing, prompt management, and evaluation.
-
A suite of agent skills for the full GrowthBook feature flag and experimentation lifecycle.
-
MCP server for terminal commands, file operations, and process management
Gelistet auf Codex: openai-curated (openai/plugins) (5)
-
Evaluate Codex skills and plugins from chat with a beginner-friendly start command, local-first reports, token budget explanations, and guided benchmarking.
-
Build with OpenAI APIs, Agents SDK, and ChatGPT Apps, and create and save OpenAI API keys from Codex.
-
Skills for NVIDIAs ecosystem spans GPU acceleration, CUDA, AI agents, inference, robotics, Physical AI, Omniverse, and simulation. This plugin helps you understand the pieces…
-
AI-powered code review in Codex, powered by CodeRabbit.
-
Inspect repositories, triage pull requests and issues, debug CI, and publish changes through a hybrid GitHub connector and CLI workflow.
Gelistet auf Community GitHub marketplaces (5)
-
Autonomous experiment loop for Claude Code. Run an endless optimize-measure-keep/discard cycle on any optimization target: LLM training loss, test speed, bundle size, build time…
-
Autonomous experiment loops on any codebase — one file, one metric, one loop. An agent edits a constrained file, runs an eval, keeps improvements, reverts failures, and repeats…
-
Autonomous experiment loop — optimize any file by a measurable metric. 5 slash commands (/ar:setup, /ar:run, /ar:loop, /ar:ar-status, /ar:ar-resume), 8 built-in evaluators…
-
Autonomous experiment loop — iteratively optimize any metric with git-tracked experiments
-
Autonomous experiment loop — optimize any file by a measurable metric. 5 slash commands (/ar:setup, /ar:run, /ar:loop, /ar:status, /ar:resume), 8 built-in evaluators, configurable…
Gelistet auf Copilot CLI: github/awesome-copilot (5)
-
Run a lightweight, role-separated AI development team with flexible tools, developer-selected models, proportionate planning, and optional QA.
-
Task Researcher and Task Planner for intermediate to expert users and large codebases - Brought to you by microsoft/edge-ai
-
Meta prompts that help you discover and generate curated GitHub Copilot agents, instructions, prompts, and skills.
-
Model, visualize, and deploy applications with Radius from the GitHub Copilot app and CLI.
-
Analyze any repository and generate AI-ready configuration — AGENTS.md, copilot-instructions.md, CI workflows, issue templates, and more. Mines your PR review patterns and creates…
Gelistet auf Copilot CLI: github/copilot-plugins (5)
-
Toolkit for building Microsoft 365 Copilot declarative agents — scaffolding, JSON manifest development, and capability configuration.
-
Bring Azure DevOps work-item, repository, and pull-request workflows into GitHub Copilot.
-
Advanced Security plugin for GitHub Copilot.
-
Build Power Apps Canvas Apps using the Canvas Authoring MCP server.
-
Build and manage Microsoft Dataverse solutions using natural language. Includes table/column creation, solution lifecycle, data operations, and MCP server configuration.
Gelistet auf Cursor: cursor/plugins (5)
-
Iterative self-referential AI loops using the Ralph Wiggum technique.
-
Build apps, scripts, and automations with the TypeScript SDK.
-
Skills for building on the Cursor Origin API. Fetch the live spec first, then follow the Origin rules for credentials, scopes, webhooks, paging, and errors. Includes a skill that…
-
Consult a stronger model before major decisions, when stuck, and before declaring done.
-
Fan large tasks out across parallel cloud agents with planners, workers, verifiers, and structured handoffs.
Gelistet auf Docker MCP Catalog (5)
-
Bridges multiple AI models and CLIs, enabling orchestrated workflows across Claude Code, Gemini CLI, Codex CLI, and other AI development tools.
-
Read and score Opik traces, experiments, datasets and prompts from your AI assistant.
-
Stop stitching context for Copilot and Cursor. With Sequa MCP, your AI tools know your entire codebase and docs out of the box.
-
Giving Claude ability to run code with E2B via MCP (Model Context Protocol).
-
Tools for interacting with Hugging Face models, datasets, research papers, and more.
Gelistet auf Official MCP Registry (5)
-
Automated AI research toolkit: hypothesis generation, experiments, and paper writing
-
setup-doctor io.github.saxenakapil/setup-doctor
Score and improve your AI coding agent setup. Local-only, open source.
-
Finds what shipped after your coding agent's training, before it rebuilds it from scratch.
-
DebugBundle MCP: runtime error reporting, incident response, health checks, and product analytics.
-
Multi-model AI orchestration MCP server with code review, compare, and debate tools.
Nach Bedeutung gefunden, nicht über gemeinsamen Code oder ein gemeinsames Repository: Ähnliche Plugins bleiben getrennte Produkte, und dies ist weder eine Bewertung noch eine Empfehlung.
Möchten Sie dieses Zeichen für Ihr Plugin in unserem Katalog?
Belegen Sie mit einer Datei im Repository, einer Datei auf Ihrer Domain oder einem DNS-Eintrag, dass Sie es pflegen, und Sie können dieses Zeichen auf der Karte zeigen, dazu Live-Banner für Ihre Website und Ihr README. So funktioniert die Verifizierung
Außerdem erhalten Sie Hinweise, wenn ein Marktplatz es aufnimmt, entfernt, sein Verified-Zeichen oder seine Anforderungen ändert, und sein Remote-Endpunkt wird wie ein Webdienst überwacht.
Daten von Community GitHub marketplaces. Die Zahlen stammen aus unseren eigenen regelmäßigen Durchläufen über die Marktplätze, zuletzt abgerufen am . Kontaktdaten von Plugin-Herausgebern veröffentlichen wir nicht.