explore-code 是 Rigor Improve 的实现叶子技能，安装后的 slug 仍为 explore-code 以保持兼容。该技能用于深度学习研究仓库中可审计的候选实现工作。
用途
该技能面向研究者在隔离分支或工作区上进行的探索性代码修改。它引导受约束的候选代码工作，但不过度规定实现细节。共享的操作原则位于 ../ai-research-reproduction/references/agent-operating-principles.md。
适用时机
- 研究者明确授权在隔离分支或工作区上进行探索性代码改动时。
- 任务属于源锚定的模块移植、骨干网络适配、LoRA 或适配器插入，或低风险的模块组合时。
- 总结级记录已足够，且结果仅为候选而非可信结论时。
不适用时机
- 请求涉及可信基线工作、保守调试或常规训练执行时。
- 用户未明确授权探索性修改时。
- 任务是大范围重构或从零实现的构想时。
边界
- 该技能仅负责探索性代码修改。
- 必须使工作与可信基线保持隔离。
- 当任务同时涉及 current_research 协调与探索性运行时，应改用 ai-research-explore。
- 可将执行交给 minimal-run-and-audit 或 run-train。
- 应优先采用源锚定复制与最小适配，而非自由改写。
- 应记录候选改动为何有意义、如何回滚，以及为何它仍是候选而非已验证的贡献。
输出
- explore_outputs/CHANGESET.md
- explore_outputs/SCIENTIFIC_CHANGELOG.md
- explore_outputs/COMPARABILITY_REPORT.md
- explore_outputs/TOP_RUNS.md
- explore_outputs/status.json
使用方式
使用时可参考 references/explore-policy.md、../ai-research-reproduction/references/research-rigor-principles.md、scripts/plan_code_changes.py 和 scripts/write_outputs.py。
限制
该技能不适用于可信基线工作、保守调试、常规训练执行、未获授权的探索性修改、大范围重构或从零实现。关于具体收费、价格、平台或安装命令，资料中暂未提供。