用途：把一份脏表格数据（CSV/TSV/parquet/Excel/JSON）自主清理到可辩护的最干净状态，无需运行中人工介入。目标是一份检查清单，而非分数。
主要能力：先做结构确认（分隔符/编码/表头解析正确、单一整洁表、类型合理），再进行契约合成——把观察到的每个异常编译成确定性二元检查（required、type、range、regex、categories、跨列规则、key、rows.unique、可选 outlier），每项检查只报告违规计数，没有加权浮点。随后进入修复循环：剖析表格、按优先级（严重度、违规数）选最差的开检查、写一个纯 pandas 变换、应用生成候选版本、重新剖析，仅当目标检查违规严格下降且无其他检查回归、无护栏触发时才保留。
使用方式：交互式解析绑定（artifact、contract、retention_floor 默认 0.95、protected_columns、impute_cap 默认 0.20、analysis_cmd 默认 python3、sandbox_root 默认 ./sandbox、gate/budget 默认 iterations/30）。若工作目录存在 loop.run.yaml 则加载确认；否则推断各绑定值并让用户确认，写入 loop.run.yaml。契约是唯一需用户明确批准的决定，确认后循环自主运行。剖析与变换代码通过 analysis_cmd 在用户环境运行，可用 pandas；辅助代码优先标准库，重依赖用 try/except ImportError 探测或经同意安装固定版本。
适用场景：需要把脏表自主清理到推断并确认的契约、每个缺陷都是确定性检查的场景。不适用于对已干净数据集的开放式探索、诊断单个已知异常、或对照来源核查外部声明。
限制：原始 artifact 只读，v0 为副本，所有工作写入 sandbox_root/tcl/。不得静默增行、伪造键或凭空造值；插补须标记为合成、记录并受 impute_cap 限制。违反保留下限、丢弃受保护列或超插补上限的候选一律回退。检查是确定性计数而非 LLM 判断，确认的契约是“正确”的唯一权威，运行中不得静默更改。每次迭代只做一个变换。无法在护栏内修复的检查记为残留并如实报告，绝不为清检查而伪造或置空必填数据。停止条件：全部通过、全部残留、或预算耗尽。输出 cleaned.<ext>、可重放的 pipeline.py、ledger.tsv 与 report.md。检查清单衡量的是格式良好与自洽，而非真实准确性。