用途：当用户要求对 NVIDIA TAO Visual ChangeNet / ChangeNet PCB 检测模型运行完整 DEFT AOI 改进循环时使用，例如“Run the DEFT loop”“Fine-tune until FAR < 0.1% at recall=100%”。不适用于单次 TAO 训练、一次性推理、通用异常生成或仅做 RCA 的场景。
主要能力与流程：以 specs/baseline_spec.yaml 为唯一事实来源，基于 Visual ChangeNet classify 与 C-RADIOv2-B 主干端到端微调。流程按顺序为：预检、基线（train/inference/evaluate 之后调用 tao-skill-bank:tao-analyze-gaps-visual-changenet 做 RCA）、按最多 max_iterations 迭代执行 pipeline 步骤 1-7；每完成一次迭代渲染 results/DEFT_Loop_Report.html。客户在带外预生成 NG/OK 对并放入 <workspace>/augmentation/anomalygen/{reconstructed_image,original_image}/；本变体不运行 AnomalyGen 或 SDG 容器，合成行与真实行走同一 k-NN（top_k_per_target 默认 5，min_similarity 0.9），无 SDG 旁路。训练阶段统一使用 automl_policy: off 的 plain training 覆盖。
使用方式：先让用户确认后询问目标平台，用 ${TAO_SKILL_BANK_PATH:-~/tao-skills-external}/scripts/list_tao_platforms.py --skill-bank ... --format text 生成平台选项，再以 --platform 查询。凭据存于 <workspace>/.env，需要 NGC_API_KEY（容器拉取）与 HF_TOKEN（HuggingFace 权重）。CSV 必填列为 input_path、golden_path、label、object_name。
门禁与限制：全程只有一个用户门禁，即 Pre-Flight Summary；打印后须等待用户明确批准（“go”“yes”等）才能执行有副作用的步骤，之后完全自主运行。硬停止项包括预生成目录缺失/为空/未配对、mining_pool.csv 缺失或零行、运行中预生成内容被改动、训练/验证泄漏、silent-drop、AMP 分配不匹配、CSV 校验失败、参考文件缺失，且不自动重试。所有输出必须为 ${RESULTS_DIR}/iter${ITER}/ 下的绝对路径。状态以磁盘为准，每个阶段仅追加一条 loop_log.jsonl 记录。
其余具体脚本、参数与工作区目录结构详见资料中的引用文件；资料未提供的信息暂未提供。