用途：当被优化的对象不是任务本身，而是 harness、脚手架、工作流或优化器时使用本技能，即让循环重写自身的一部分，同时不污染引导它的信号。核心约束是：循环会优化它被给予的任何信号，包括该信号自身的弱点，因此设计时要假设优化器会找到指标与意图之间的每个缺口。
主要能力：覆盖优化阶梯的六个层级——指令提示、结构化上下文、上下文机制、工作流图、harness 代码、优化器代码；提供失败驱动的自编辑循环（弱点挖掘、有界提案、验证与合并）、harness 代码的元级搜索、上下文演化，以及退化诊断（奖励黑客、多样性崩塌、上下文崩塌、静默停滞）。
必要用法：接受自我修改必须基于实测证据，使用 held-in 与 held-out 两个切分，二者均不退化且至少一个严格提升才接受，并在随机评分下重复评估；评估器、插桩、权限与预算必须位于循环不可修改的外部；可编辑面需显式声明，其余锁定并在每个候选后重新校验；候选以目录形式归档源码、分数与原始轨迹，提案者用搜索工具按需检索，不做预摘要；用后代数量折扣选择父代、按嵌入相似度拒绝近重复、保留回到种子候选的路径以维持多样性。
适用场景：智能体挖掘自身失败并编辑脚手架、元智能体搜索 harness 代码、工作流候选群体进化、演化产生上下文的机制本身，以及诊断退化的自我改进循环。
限制：需要快速、确定、可自动化的评估器，评估缓慢或仅靠裁判的领域不适合；需先验证基础模型是否越过递归能力阈值，弱模型下递归可能使平均表现下降；执行器模型或种子 harness 变化后需重新搜索；评估器变更、可编辑面扩展与生产推广应保留为人工决策。资料未提供具体安装命令、收费与平台信息。