用途：在同一共享指标上让两种真正不同的方法正面对比，例如经典/算法路线对机器学习路线、两个模型家族或两种查询策略。不适合调优单一方法，也不适合对两个已完成结果做一次性比较。
主要能力：两条路线（默认名为 classical 与 learned）并行工作，各自通过 roles/TrackAgent.md 执行分析优先的迭代，并受限于自身路线。每轮双方把结果写入共享的 duel_log.md 记分板，可跨路线借鉴想法但不得转换方法。反馈信号是共享评测集上的同一 <metric>。路线支持混合代码位置：codebase 路线编辑现有仓库文件，sandbox 路线自行编写代码，并通过 eval-parity 门保证分数可比。
使用方式：先交互式解析绑定。若工作目录存在 loop.run.yaml 则加载并确认后进入循环；否则推断各绑定值并确认，再写入 loop.run.yaml。共享绑定包括 <metric>、<metric_direction>、<gate>（默认 epochs）、<budget>（默认 5）、<sandbox_root>（默认 ./sandbox）、<iter_strategy>（默认 snapshots）。每条路线需 name、code_location，以及 codebase 的 run_cmd/editable_files 或 sandbox 的 entry。初始化 sandbox 后，每轮推进两条路线各一次迭代，更新记分板，不因询问是否继续而暂停。
适用场景：仓库中已有单一模型时，learned 路线为 codebase，classical 路线为 sandbox，在不向代码库添加代码的前提下构建并迭代经典方案。
限制：绝不向代码库添加代码；codebase 路线只编辑自己的 editable_files，sandbox 路线完全位于 <sandbox_root>/<lane>/；路线之间不得互改文件。必须保持同指标、同评测，不得修改评测或指标。每轮每条路线只做一处改动。不得安装新包或添加项目缺失的依赖，辅助代码仅用标准库。每次运行输出重定向到本路线日志，不使用 tee；sandbox 自包含，禁止 ../ 逃逸。只报告当前领先者，不宣布最终赢家。