用途：为研究论文生成并迭代改进机器学习实验代码，支持生成、改进、调试和绘图四类任务。输入为任务类型与研究方向、想法描述或错误信息。
主要能力：生成阶段先规划实验（超参搜索、消融、基线），再编写自包含代码，要求结果保存为 JSON、打印中间指标，并至少生成 Figure_1.png 和 Figure_2.png。项目结构固定为 experiment.py、plot.py、notes.txt 及 run_1/ 等结果目录，每次运行使用 python experiment.py --out_dir=run_i。改进阶段读取现有代码与结果，反思后做小范围修改并重跑比较，保留最佳版本。调试阶段读取错误信息（过长时截断至最后 1500 字符），定位根因并做最小修复，最多重试 4 次。绘图阶段读取所有 run_*/final_info.json 生成对比图。
限制与规则：禁止占位代码（pass、...、raise NotImplementedError）；须使用真实数据集（除非明确要求玩具数据）；优先 PyTorch 或 scikit-learn，不用 TensorFlow/Keras；方法准确率不得为 0%，需验证计算；使用随机种子保证可复现；每次实验前打印说明结果意图，运行后记录到 notes.txt。参考文件位于 ~/.claude/skills/experiment-code/references/ 下的 experiment-prompts.md 与 code-patterns.md。