用途：对某个 Skill 进行多轮连续自动改进，直到质量分数趋于平台期。每轮运行完整五阶段流水线（generate、discriminate、evaluate、execute、gate），并在轮次间检查终止条件。
主要能力：支持三种模式——single-run（单次调用内顺序跑完所有轮次）、continuous（轮次间有可配置冷却时间）、scheduled（每轮退出，由 cron 触发下一轮）。状态每轮写入 autoloop_state.json，进程崩溃后可用相同 --state-root 从上次完成轮次续跑。
终止条件为 OR 逻辑，任一满足即停止：达到 max_iterations、超出 cost_cap、检测到分数平台期、检测到震荡（keep-reject 交替）、连续错误超限。
必要用法（命令保持原样）：
python3 scripts/autoloop.py
--target <skill_path>
--state-root <dir>
--max-iterations 5
--max-cost 50.0
--mode single-run
调度示例： 17 */4 * * * /path/to/scripts/run-eval.sh /path/to/skill /path/to/state
输出产物：autoloop_state.json（含分数、历史、终止原因、续跑数据）、iteration_log.jsonl（每轮追加一条）、orchestrator 子目录产物、stdout 摘要。状态文件 schema_version 为 "1.0"。
适用场景：多轮累积改进直至分数停滞、无人值守过夜运行、cron 定期改进、中断后恢复、预算受限的批量改进。
限制：不适合一次性改进（应直接用 improvement-orchestrator）、只想要分数（用 improvement-learner）、只要基准数据（用 benchmark-store）、需人工逐条审阅候选的场景。默认成本按约 $0.10/分钟流水线执行时间估算；连续模式应显式设置成本上限。