概览

用编码 agent 跑控制变量实验的状态机协议。你写研究规格：各组之间改变哪些变量、固定哪些变量、哪些可以调整。agent 在 GitHub 的 issue 和 PR 上按状态机一步步实现和运行实验。每个 run 都记下实际生效的完整配置，由脚本对照规格核对，规格不允许的差异都会报出来。你只在四处做决定：发布、合并、预算、下结论。

人的关口agent 的工作按规格核对过

问题：agent 改动了需要固定的设置

编码 agent 写代码、启动运行、贴出结果的速度，已经快过人能读完的速度。这些改动发生在计划以下的代码、配置和启动里。为了修一次崩溃改了学习率，为了塞进显存把有效 batch 减半。每一处单看都合理，合在一起，对比就成了猜测。而你通常只看到 agent 的总结。

CVSM 怎么应对

CVSM 只请你做四个决定，其余的都能核对。

你批准一份研究规格：各组之间的不同、固定不变的设置（各带理由）、可以调整的设置。见研究规格。
规格以下的事都由 agent 做，通过 GitHub issue 和 PR。它们只在四个关口停下，或者在自己解决不了的卡点停下。
每个 run 都记下解析后的配置，结果命令拿这些记录对照规格核对。偏差以取自记录的事实交到你手上。见运行记录。

复制进去的是什么

CVSM 是围绕 git 和 GitHub 的一组文件和约定。不用安装任何东西；除了 GitHub、git 和你自己的机器，不需要别的。

状态：GitHub issue

study 或 plan 父 issue，下面挂 code 和 run 子 issue。仓库里没有计划、进度或笔记文件。见状态。

规则：AGENTS.md

状态怎么判断、什么时候停、怎么提问、Git 和文件怎么用。最多 80 行，有测试卡住上限。见 AGENTS.md。

步骤：四个 skill

plan、implement、review、run，每个最多 120 行。Claude Code 和 Codex 读同一套文件。见 skill。

检查：guard、test、merge.py

guard 检查每个 PR 的格式、文件位置和改动范围；test 跑项目测试；merge.py 是 agent 唯一的合并入口。见合并。

运行：run.py 和 results.py

Run 命令的参考实现把每次运行记成一个 MLflow run；结果命令生成结果表和规格核对。见 run.py。

审查：新会话

每个 PR 都由一个只拿到 PR 编号的新会话审查。见审查。

几个数字


要安装的服务	0 个
规则（AGENTS.md）	最多 80 行，有测试检查
skill	4 个，每个最多 120 行
人的关口	4 个，是仅有的计划内停点
agent 的合并入口	1 个，`merge.py`
agent 命令行工具	2 种，Claude Code 和 Codex，共用一套 skill

留给你的事

CVSM 只记录事实、展示差异。它不定 seed 数，不设计实验，不决定何时重跑，也不判断 run 能不能比，这些由你在规格和指令里定。分析、可视化，以及 agent 在任务内部怎么实现，也都由你决定。见原则。

状态

CVSM v0.1.0 是预发布版本。它已经用来开发它自己，1.0 之前接口仍可能变化。见项目状态。