用途：该技能面向探索循环系统，采用类似自动研究的优化方式，通过基线优先的迭代循环改进技能提示词与逻辑。
主要能力：支持评估并改进探索循环的技能、提示词、路由与产物质量；每次迭代只改变一个主导变量，重跑评估后将尝试标记为保留或丢弃；若运行崩溃或超时，记录失败并从上一个已知良好状态继续；不允许主观偏好覆盖指标上的明显回退；可将运行后调研反馈作为质量信号。
使用方式：先确认目标组件、评估来源、循环预算、评分维度、是否有调研数据以及是否启用自动应用。执行命令示例：python ./scripts/execute.py --target ${plugins}/skills/user-story-capture/SKILL.md --eval-script ./scripts/eval_runner.py --goal "Improve Gherkin block accuracy" --iterations 3。执行结束需输出 Source Transparency Declaration，列出 Sources Checked 与 Sources Unavailable。后续可用 ./scripts/benchmarking/run_loop.py --results-dir evals/experiments 进行可重复改进循环，并建议运行 audit-plugin 验证产物。
建议指标：路由质量、产物有用性、交接稳定性、重入有用性、人工干预负担、不必要的智能体调用率、运行后调研综合得分。
限制：资料未提供具体收费、平台支持范围与效果保证，相关事实暂未提供。