用途
Contrastive Skill Refinement 是一个用于技能或 harness 编辑的流程工具。它强调在编辑落地之前，通过在同一探针任务上运行候选版本来测量行为差异，而不是仅凭判断。最终编辑由盲选胜出的对比结果组合而成，每个经验记录都必须包含观察到的对比证据。
该技能仅修改技能定义；应用代码变更应使用 build-review-loop。
主要能力
- 探针循环：选择固定的现实任务，运行当前技能（基线）和候选编辑，盲选对比交付物，组合胜出编辑并再次探针验证。
- 候选类型：INV 编辑（与技能无关的杠杆，如检查清单、脚本门、输出契约、护栏）和 DOM 编辑（领域特定内容，如规则、示例、参数）。
- 盲选机制：使用脚本为交付物分配匿名 id，盲读并写下选择理由，然后揭盲。
- 证据门：经验记录必须包含 cue、lesson、evidence、confidence 四个字段，evidence 不能是占位符。脚本
lesson-check执行语法检查。 - 分类处理：对于不适合完整循环的编辑（如拼写修复、无行为声明变更），提供文档化分类和承诺规则。
- 发布后监控：对于部署产物（如咨询插件、hook），提供端到端触发验证、注入点理解、 effectiveness 评估方法。
使用方式
- 选择探针任务：为目标技能挑选一个现实任务，将输入写入探针目录。
- 运行基线：在当前技能上运行探针任务一次，保存交付物和轨迹。
- 提出候选：编写一个 INV 和一个 DOM 候选编辑，说明预期行为差异。
- 探针候选：将补丁应用到技能副本，在相同模型、工具、输入下并行运行。
- 盲选：使用
python3 <skill_dir>/scripts/contrast.py ids --labels base,inv1,dom1 --task probe-1 --k 1分配匿名 id，盲读交付物并写<why>行，然后揭盲。 - 组合、探针组合、应用：合并胜出对比，在新鲜副本上再次探针，盲选通过后使用
skill_manage(action="patch", ...)应用到实际技能。 - 记录经验：格式为四字段，通过
lesson-check验证。
适用场景
- 技能编辑承诺更好输出但未测量。
- 两个候选编辑看起来都正确，需要选择。
- 技能在真实任务中失败，需要经过验证的修复。
- 需要记录带证据的技能经验。
限制
- 不适用于拼写和 frontmatter 修复（无行为变化）、实际代码仓库（使用 build-review-loop）、全新技能的初稿（尚无对比对象）。
- 标准循环成本约 4 次模型运行，候选重试最多增加一次。
- 效率对比（调用次数、时长）是最弱类别，需重复运行确认。
- 同一工具部分最多组合一条新规则；组合探针失败时保留基线。
- 应用编辑时锚点必须来自实际技能的最新读取，不能来自探针副本。
- 新安装的技能对当前会话的加载器不可见，需通过文件路径测试。
- 发布后监控需验证实际触发，不能仅凭日志缺失判断。