用途：面向创始人的外联（outbound）复合学习闭环，让系统每个周期比上一周期更准。输入为 outreach-log/ 下的 x-dms.jsonl、linkedin.jsonl、email.jsonl、email-replies.jsonl、manual-replies.jsonl，以及 plays/*.md 和 sales-pack.md。若日志为空或全部缺失，会提示需要先有 campaign 和约 7 天回复数据。
主要能力：按评分标准把每条线程的首次回复归为 positive、objection、neutral、OOO、negative 五类之一，仅分类首条回复；OOO 通过 Auto-Submitted 头、主题关键词和正文模式识别并停止序列，但不计入 positive 率分母。按渠道与 play 计算 enrolled、reply_rate、positive_rate、pos_plus_obj_rate、ooo_filtered_rate，并统计冷邮件各 touch 的正面归因。以 positive_rate≥3% 且 enrolled≥15 判定赢家，0% 且 N≥15 判定淘汰候选；自动标记 unlock、10x、accelerating、版本号等高风险主题，并扫描“重复提供已消费资产”的浪费触达。
使用方式：按步骤选择回看窗口（默认自上次运行以来，读取 .gtm-state/last-gtm-get-better.json），先运行 /gtm-cold-email --check-replies 拉取冷邮件回复；X DM 与 LinkedIn 需人工逐条记录。随后计算指标、分类胜负、对 loser 做退役决策，并向 sales-pack.md 追加带时间戳的更新日志、写 outreach-log/learned-{channel}.md、给出前三个行动建议。可选步骤会生成对技能文件的统一 diff 提案，默认只提议不自动应用，需逐条批准，并记录到 .gtm-state/skill-edit-history.jsonl。结束时写入 .gtm-state/last-gtm-get-better.json。
适用场景：正在从 Cursor 运行外联、每周需要复盘渠道与 play 效果的创始人。建议每周一次，24 小时内无新数据重复运行会被劝阻。
限制：X 与 LinkedIn 回复只能人工记录；N<15 的结论仅作假设；LLM 分类可能漂移需抽查；touch 归因是近似的；单次最多展示 3 条技能编辑提案，不修改 rules/gtm-voice-guide.mdc，不删除章节，仅做增量编辑。