用途：从目标分析、反馈信号和失败 trace 中生成带优先级的改进候选，供后续打分与执行使用。
主要能力：生成结构化候选列表；用 --trace 注入上一轮失败上下文（trace-aware reflection），自动降低上次失败类别的优先级；结合 memory 与 feedback 多源信号排序；批量生成多个 skill 的候选；在 autoloop 中由 orchestrator 调用，也可单独调试。
用法：
基础生成
python3 scripts/propose.py --target /path/to/skill --output candidates.json
带失败 trace
python3 scripts/propose.py --target /path/to/skill --trace failure.json --output candidates.json
带 memory/feedback
python3 scripts/propose.py --target /path/to/skill --source memory.json --output candidates.json
输出为 JSON 数组，每个候选含 category、risk_level（low/medium/high）、execution_plan、priority_score（0-1）、trace_adjusted。trace 文件记录 iteration、failed_dimension、failed_category、failure_reason、attempted_strategies 及前后分数。
适用场景：为目标 skill 生成改进方向；重试循环中避免重复失败；按历史模式与用户纠正热点排序候选。
限制：不负责打分（用 improvement-discriminator）、评估结构（improvement-learner）、执行变更（improvement-executor）或门禁验证（improvement-gate）。trace 注入会增加约 200-500 tokens 的 prompt 长度。