用途：面向研究项目（如机器学习论文）的自主改进循环，自动执行“评审→实施修复→再评审”，直到外部评审给出正面评价或达到 MAX_ROUNDS（默认 4 轮）。
主要能力：通过 Codex MCP 调用 OpenAI 模型（如 gpt-5.4、o3、gpt-4o）作为资深评审，按 1-10 打分并列出关键弱点与最小修复方案；自动实施代码、实验、分析、文档等修复；支持状态持久化（REVIEW_STATE.json）以在上下文压缩后恢复；可选人工检查点（HUMAN_CHECKPOINT）与紧凑模式（COMPACT）；可选飞书通知；终止时生成方法描述并调用 /result-to-claim 产出 CLAIMS_FROM_RESULTS.md。
使用方式：以 /auto-review-loop "topic" 调用，可用参数覆盖 compact、human checkpoint 等。评审阶段使用 mcp__codex__codex 并设置 config: {"model_reasoning_effort": "xhigh"}，后续轮次用 mcp__codex__codex-reply 携带保存的 threadId。每轮结束写入 AUTO_REVIEW.md 与 REVIEW_STATE.json。
适用场景：需要多轮迭代改进的研究工作，尤其是论文投稿前的自主评审与修复。
限制：正面阈值定义为 score >= 6/10 或 verdict 含 accept、sufficient、ready for submission；需配置 Codex MCP 与 OpenAI 模型；引用必须走 DBLP→CrossRef→[VERIFY] 链，禁止凭记忆生成 BibTeX；超过 30 分钟的实验可先启动再继续其他修复；其余平台、收费、价格等信息暂未提供。