用途：当异常已存在、需要定位根因时使用。默认先列出一组互相可区分的候选原因，再用数据逐条检验并排除，直到只剩一个通过反驳与正向确认的原因。若异常模糊，迭代0先把它精确化。不适用于无异常的数据探索，也不适用于核对文献主张。
主要能力：迭代0量化异常（什么偏离、何时何地、相对基线的幅度），并列出初始候选清单。之后每轮：挑选最能快速区分剩余候选的假设，编写 <sandbox_root>/iter<N>/test.py，用 <analysis_cmd> 运行并输出到 out.txt；数据反驳则标记 eliminated 并移出存活集，数据支持则保留；当某候选领先时，先尝试反驳，再运行只有它才能预测的正向确认测试。记录 ledger.tsv（制表符分隔，表头 iter/candidate_tested/verdict/live_candidates，verdict ∈ characterize/refuted/supported/confirmed）。
使用方式：交互式解析绑定项。若工作目录已有 loop.run.yaml，加载并一行确认后跳过；否则推断各绑定值并确认，再写 loop.run.yaml。绑定包括 dataset（只读数据/日志）、anomaly（异常描述）、analysis_cmd（默认 python3）、log（默认 <sandbox_root>/investigation.md）、sandbox_root（默认 ./sandbox）、budget（默认 8 次迭代）。代码优先用标准库（csv、statistics）；如需 pandas/numpy 用 try/except ImportError 探测并降级，或经同意后安装。
限制：只读 <dataset>，不得修改；沙箱自包含，不得用 ../ 逃逸。不要仅凭直觉，每次排除与最终确认都需有实际计算支撑。观测等价的两个候选（如机器人刷量与管道重复计数均为“会话涨、转化平”）无法在当前数据下区分，应合并报告为同一确认原因，并说明需要哪些更细粒度数据来区分；需分清机制（指标如何变动）与根因（输入为何出错）。
停止条件：Confirmed——恰有一个候选通过反驳与正向确认；Budget——达到上限仍未确认，报告存活候选集及可区分它们的测试。其余实现细节暂未提供。