用途：以爬山方式改进一个可测量的产物。循环流程为尝试改动、测量单一目标指标、若更好则保留否则回退，并记录全过程；在 git 分支上运行并保留变更轨迹。完整流程见 references/sops/experiment-loop.md，已有示例与用例卡片在 experiments/ 目录。
主要能力：基于 CARD.md 定义目标、指标与方向、唯一可变面、预算、自主性与负责人；新实验可复制 experiments/forecast-tuning/。使用 tools/experiment_log.py add <results.tsv> --id ... --metric ... --status keep --note baseline 记录基线与每次结果。简单且指标持平视为保留；可中断或预算耗尽时停止，将胜出结果与轨迹交给人。
使用方式：先通过自主性闸门，确认三项后才可无人值守循环——指标客观、廉价、可自动化（代码几秒至几分钟算出）；环境可回退（git 分支、临时数据或 .tmp）；不涉及受保护健康信息、机密数据、外部发送或生产部署。任一不满足则改为人在环：每次改动需提议并获批准，不得通宵运行。随后选定或编写实验的 CARD.md，执行 git checkout -b experiments/<tag>，先跑基线并记录，再进入编辑唯一可变面、运行只读评测、记录、改进则提交否则 git reset 的循环。
适用场景：适合有明确自动指标、可反复试错并可回退的产物优化。限制：评测工具是只读事实标准，不得为刷分而修改；仅允许一个可变面以保证差异可审查；结果文件 results.tsv、run.log、data/ 被 git 忽略，评测工具、可变面和 CARD 为受跟踪蓝图；不得从循环中发布受监管或生产变更。受监管或生产结果只能进入人工评审流程，绝不自动部署。