用途：当某个 harness 的策略提示词在特定任务族上表现不佳时，用 harness-learn 运行可度量的学习循环，取代手工迭代提示词。它是上游 metaharness（ADR-235，metaharness@0.3.0 起）GEPA 学习能力的入口。
主要能力与机制：学习过程对候选策略基因组在留出切片上打分，只有实测胜出的候选才会被提升（已发布的 cand-6 基因组是首个提升案例：留出集 gold 由 2/12 提升到 3/12，零回归）。实现位于 scripts/learn.mjs：校验 --repo 是否存在并导出为 $METAHARNESS_REPO；通过 _harness.mjs 调用固定版本 metaharness@~0.4.1（本地安装或一次性版本化缓存，绝不使用 @latest），命令形式为 metaharness learn --host <h> --model <m> --slice <s> [--run]，并带有优雅降级与硬超时；识别 checkout-required 信息并转为结构化载荷；上游输出末尾 JSON 报告时解析，否则把原始文本放入 rawReport。
使用方式：学习框架（GEPA + SWE-bench + Docker）对 npm 包来说过重，因此 learn 需要本地克隆：
git clone https://github.com/ruvnet/metaharness.git node scripts/learn.mjs --repo ./metaharness --host claude-code --model haiku --slice slices/lite.json
没有检出时脚本会输出 {status: "checkout-required"} 并以 0 退出，这是前置条件报告而非错误（与 degraded: true 不同，后者表示 npm 包本身缺失）。托管服务路径（网关侧 learn 任务、无需检出）属于上游 ADR-235 的后续工作，目前尚不可用。
成本与超时：默认 dry-run 会解析切片清单并报告成本，不发起任何模型调用，费用为 $0；--run 是唯一产生花费的路径。默认超时为 dry-run 120 秒、带 --run 600 秒，较大切片需显式 --timeout-ms，按切片规模 × 模型成本匹配。MCP 工具 metaharness_learn 的子进程预算为 120 秒，真实学习循环建议在终端执行：ruflo metaharness learn ... --run --timeout-ms <big>。
退出码：0 表示报告已生成（或 dry-run、checkout-required、degraded）；1 表示在 --alert-on-fail 下学习运行报告失败；2 表示配置错误（--repo 路径无效）。
限制：需要本地克隆仓库，托管服务尚未提供，真实运行会消耗模型成本且可能超出默认超时。