agent-sandbox-skill

当你需要把错误数、覆盖率、延迟或体积推进到明确目标时，Codex Autoresearch 会先确认目标、可改范围、测量命令和回归检查，再让 Codex 每轮只尝试一个改动。改进且检查通过的提交会保留，失败尝试则通过 Git 回滚，并持续记录实验历史。它支持前台观察或后台长跑，但要求在干净的独立 Git 分支中运行，涉及提交与回滚时通常需要较高文件权限。

paper2code 接收 arXiv 链接，先审计论文中已明确、部分明确和未说明的实现细节，再生成带章节或公式引用的模型、损失、配置和讲解笔记。它只实现论文核心贡献，不下载数据集，也不保证代码或论文结论正确。

Goal Forge 通过访谈把粗略需求写成带可衡量完成条件的 SPEC.md，再进行歧义收紧，编译为适合 Codex /goal 的 GOAL.md，并只读检查运行配置。生成的契约会明确评分表、快速反馈循环、最终验证、长期工作记忆和可选控制面，帮助多小时任务保持方向。其无人值守配置可能授予广泛文件系统权限，只应在用户明确标记为可信的项目路径中使用。

RecallLoom 为长期 AI 协作建立文件化项目记忆，把背景、当前进度、关键决策和下一步写入项目旁的 Markdown 与 JSON 文件。换会话、模型或编码工具时，新的 Agent 可先恢复这些受控事实，再继续工作；日常也能记录进展并校验缺失、过期或冲突状态。它专注项目连续性，不替代知识库、任务编排或自动执行框架。