用途：把 Karpathy 的 autoresearch 循环推广到任意可度量工作流。循环要点是选定目标、定义机械适应度函数、限定可变面、反复迭代并保留或回退，直到预算耗尽或进入平台期。该技能的主要职责是在循环开始前做分诊，识别出不适合的问题并说明原因与替代做法。
适用触发：用户想为某工作流搭建或运行迭代改进循环；提到 Karpathy、autoresearch、keep-or-revert、过夜优化、fitness function、val_bpb 等；询问能否把 autoresearch 用于某场景；有可度量目标并希望自主迭代。不适用：一次性优化、纯主观质量且无机械指标、安全关键或不可逆操作、架构或战略问题。
五个阶段：1）Intake，一次性询问目标、候选指标、可变面、护栏、预算；2）Triage，按反馈延迟、指标机械性、尾部形状、样本量与噪声、可变面局部性打分，全绿进入纯优化模式，有红则调整模式或拒绝；3）Fitness design，要求适应度是一条输出数字的命令、固定语料与种子、记录 baseline.json、定义显著性阈值、做已知好坏的手工校验、定义护栏指标；4）Mode selection，从 pure、barbell、via negativa、inverted、human-in-loop 中选一个；5）Loop 与事后复盘。
循环原则：每次只做一个原子改动；仅机械验证；回归或护栏失败自动回滚；git 作为记忆。循环驱动必须位于 Claude Code 会话之外，推荐用 bash 加 claude -p，命令示例：./loop-driver.sh --max-iter 50 --max-budget-usd 10。必须强制最大迭代数（默认 50）、美元预算、墙钟预算、平台期检测（默认 10 次无显著改进即停）和护栏违规即停。Claude Code 的 hooks 无法驱动迭代。
平台期处理：先挖掘最近 10 次回退的模式，做分类覆盖检查，覆盖不足则继续；仍无方向时调用 /council 获取外部视角，最后才判定平台期并归因。限制：资料未提供具体收费、平台支持范围与效果数据。