用途：对已绑定的数据集做开放式、自检式的探索分析，产出发现报告（findings.md）。核心纪律是“没有数字就不下结论”：每条发现都必须能被独立重算复现，且效应量达到事先声明的门槛；数据不支持的合理猜测会被丢弃而非弱化表述。不适用于诊断某个已知异常，也不用于对照文献核查外部论断。
主要能力：迭代 0 先对数据集做画像（列、推断类型、行数、范围、类别计数、缺失情况），此时不记录任何发现；随后每轮提出一个具体可检验的假设，写出分析脚本并运行，输出重定向到文件；再做验证——用第二种独立方式重新推导关键数字，并对照事先声明的效应量门槛（如 |Cohen's d| ≳ 0.2、风险比 ≳ 1.5、|r| ≳ 0.1，小样本时收紧）判断是否显著。支持则把结论、精确数字、效应量与可复现方法追加到报告并标记 verified；不支持或效应可忽略则记为 refuted，不写入报告。每轮追加一行台账。
使用方式：交互式解析绑定项。若工作目录已有 loop.run.yaml 则加载并一行确认后进入循环；否则推断各绑定值（Claude Code 上可用 AskUserQuestion 给出推荐项，其他宿主用纯文本逐项询问），写入 loop.run.yaml 并确认后再创建其他文件。绑定项包括数据集、可选聚焦问题、报告路径（默认 <sandbox_root>/findings.md）、分析命令（默认 python3）、沙箱根目录（默认 ./sandbox）、预算（默认 8 轮）、耐心值（默认连续 2 轮无新验证发现即停）。分析片段在用户环境中通过 <analysis_cmd> 运行，辅助代码优先用标准库（csv、statistics）；需要 pandas/numpy 时用 try/except ImportError 探测并降级，或征得同意后安装，不得假定已安装。
限制：只读数据集，绝不修改；沙箱自包含，不允许 ../ 逃逸；每轮只提一个假设，已定论的假设不重复；报告效应量而非仅方向，不把相关性说成因果，无法分离混杂因素时需注明；循环不中途询问是否继续，直到干涸或达到预算。最终汇报报告路径、已验证发现数量与被否定的假设。