用途：为智能体辅助编程提供精简操作规则，让智能体负责生成与迭代，人类保留意图、事实、审查与发布的决定权。适用于任务足够大、智能体循环有价值、成功标准比实现路径更清晰、或涉及委托与验证的工作；不适用于琐碎任务、尚无有效验证手段、以及真正缺的是产品方向而非执行纪律的情况。探索性优化或研究型循环需额外加载 research-loop.md。
主要能力与规则：以结果而非步骤编程，优先定义成功标准、不变量、边界与明确的非目标；要求智能体显式暴露关键假设、指出不明确输入与冲突证据，并在更简单的方案更安全时提出反对。保持人工审查面：审查实际改动的文件，确认每行改动都可追溯到需求，不以“能运行”作为充分证明。选用最轻可行模式：小且明确低风险的工作直接执行，成功清晰但路径灵活时用声明式计划，涉及多文件或检查点时用任务切片计划，可清晰隔离时用受监督委托。多路径时给出一个默认方案及理由，替代方案留作退路。倾向简单构建，先写朴素正确版本，不无故增加抽象层。无关编辑视为回归，禁止无关重构、风格与注释改动。用失败测试、可复现缺陷用例、运行时检查、输出契约或 diff 约束锚定循环。
权限与验证：智能体可生成代码、运行受限检查、向声明的成功标准迭代、暴露权衡；人类保留意图、事实源、批准发布、架构回退与冲突时最终判断权。验证需区分行为、范围、事实对齐与运行时状态，不可只归结为“测试通过”。研究型循环应先测量并记录基线，运行期间不得修改评估器，每次尝试记录并以 keep、discard 或 escalate 结束。
限制：资料未提供安装命令、收费、平台或具体实现细节。