Gauntlet Loop 是一套领域无关的核心技能，用于在任何领域产出高质量工作：构建 → 盲审 → 修订 → 重复，并针对一个智能体无法狡辩的“标尺”进行迭代。编程、写作、设计、数据、研究、提示词工程与检测都使用同一套循环，区别仅在于如何选标尺、评审者检查什么、以及检查清单，这些内容位于 references/domains/ 中。
来源：Gauntlet Loop 方法由 Matt Shumer 提出，出自《How to Run a Gauntlet Loop》（https://somethingbig.ai/gauntlet-loop），并配有仓库 mshumer/Claude-of-Duty。本技能是独立且标注出处的改编版，见 ../../CREDITS.md。
前提：真实的智能体运行框架
该循环需要一个智能体运行框架，能够打开文件、运行代码、渲染输出、截图、调用工具，并生成拥有自身干净上下文的子智能体（Claude Code、Cowork、Codex 或等价工具）。单轮对话无法产出独立的盲审者——如果你只能在一个上下文中回复，请如实说明，并退回为单次自我审查，而不是假装循环已运行。
对于大型多智能体运行，使用运行框架的并行智能体能力（在 Claude Code 中：子智能体，或可用时的 /ultracode）。
四大支柱
一个智能体无法狡辩的标尺。最强形式：工件必须匹配或超过某个真实参照——参考实现、测试套件、顶级产品截图、范文、评测集、ATT&CK 技术、可工作的 PoC。标尺可以是理想化的：不必现实可达。不可达的标尺会让循环持续向上拉，而不是停在“足够好”。
给出目标，而非实现。说明成品必须达成什么；让智能体自行选择路径。规定架构会用你的判断替代模型判断，并把结果上限压在你自己的想象范围内。
让智能体自行拆分工作。负责人把目标拆成可独立改进与评分的最小单元。独立单元可作为并行循环运行。
构建者绝不给自己打分。构建者与评判者是不同智能体，拥有独立上下文。评审者对构建者的推理过程不可见，只检查真实工件——运行代码、渲染像素、实际测试输出——绝不看构建者的总结。
本技能加载后的第一步
识别工作类型。
阅读匹配的领域文件，了解如何选标尺、评审者必须检查什么，以及一个示例：
代码 / 重构 / 库 / 功能 → references/domains/coding.md
文章、文档、消息、营销文案 → references/domains/writing.md
UI / 视觉 / 落地页 → references/domains/design.md
分析、指标、建模 → references/domains/data-analysis.md
文献 / 市场 / 竞品研究 → references/domains/research.md
提示词、智能体、技能、LLM 功能 → references/domains/prompt-eval.md
SIEM/EDR 检测规则（蓝队） → references/domains/detection.md
其它任何内容 → 下方的通用框架加 references/choosing-the-bar.md
阅读 references/running-the-loop.md 了解编排机制：预算、并行、进度工作台、最终平滑处理。
按所述运行 LEAD → BUILDER → CRITIC。
寻找安全漏洞是一个特殊情况，具有不同的触发条件与强制安全规则 → 使用单独的 security-vuln-gauntlet 技能。
三种角色（绝不共享上下文）
LEAD（编排者）。设定标尺与循环预算，把目标拆成可评分单元，把 FAIL 路由回去，合并结果。不参与构建——一个构建过某物的智能体对该物的评判会有偏差。
BUILDER（专家，干净上下文）。真实构建某一部分并产出工件。允许不完美。绝不宣布 PASS。
CRITIC（盲审，独立的干净上下文）。绝不看构建者的推理。对照标尺检查工件，要求客观证据，只在标尺达成时通过。见 references/critic-design.md。
循环
设定标尺与预算。具体、可衡量，最好能超过某个具体真实事物。如果没有明显参照，第一项工作就是：“找到一个具体的对照或度量”——不要针对模糊目标开始构建。见 references/choosing-the-bar.md。
拆分（LEAD）。列出值得单独评分的最小单元（按组件、按流程、按质量维度）。独立单元 → 并行循环。
构建（BUILDER × N，并行，干净上下文）。每个构建者产出真实工件。
评审（CRITIC，盲审）。评审者检查真实事物，对照每条标尺标准给出证据评分，返回 PASS/FAIL 以及具体修复项。只要领域允许，就与参照做盲测 A/B。
修复并重复。把 FAIL 连同评审者的理由反馈回去。运行得比感觉必要的更久——多数人过早停止了好几轮。把困难部分进一步拆分；尝试变体。
平滑（可选但推荐）。一个全新的智能体检查整个组装后的结果，并修复分别改进的各部分之间的不一致。它负责统一，不负责重新设计。
报告。最终工件 + 所用标尺 + 轮次日志 + PASS 证据 + 仍低于标尺的部分。
停止
标尺可能被设计为不可达，所以“标尺达成”不是唯一的停止条件。以下任一成立即停止：
每个单元都通过标尺；或
连续两轮相对标尺没有改进；或
循环预算（轮次、时间、token）耗尽。
始终记录仍低于标尺的部分。如果工作仍在明显改进且预算尚存，继续。
监控而不打断
长时间运行值得观察，但停下来询问状态会消耗一轮。让循环维护一个实时进度工作台——workbench.md 或自动刷新的 HTML 页面——每轮之后更新：当前轮次、各单元 PASS/FAIL、评审者的证据，以及最新工件/截图的链接。异步阅读；仅在循环卡在错误方向时介入。
为何优于一次性工作
一次性：构建者自行决定“还行” / 模糊标准 / 停在足够好 / 确认偏误。 Gauntlet Loop：盲审者检查真实工件且只对照标尺通过 / 与真实参照绑定的具体标尺 / 只要在改进就持续循环 / 构建者与评审者保持独立上下文。
何时不要使用
该循环的 token 与耗时是单次产出的许多倍。对于小型、低风险、一次性工作（快速回答、一次性脚本、一行修复）请跳过。当你确实在意质量，且能说出某个真实事物作为衡量参照时，才使用它。
预期输出
通过（或最接近）标尺的最终工件，外加：标尺定义、轮次日志（什么 FAIL → 改了什么）、客观 PASS 证据（测试结果、盲测 A/B 结果、重新计算、截图、PoC），以及剩余差距。
参考资料
references/methodology.md — 完整方法及其理由。
references/running-the-loop.md — 编排：预算、并行、工作台、平滑处理。
references/prompt-templates.md — LEAD / BUILDER / CRITIC / SMOOTHER 提示词 + 元提示词。
references/choosing-the-bar.md — 如何按工作类型选择标尺。
references/critic-design.md — 设计检查现实的盲审者。
references/domains/coding.md — 软件（参考实现 / 以测试为标尺）。
references/domains/writing.md — 写作（范文、盲测 A/B）。
references/domains/design.md — UI/视觉（对照顶级产品盲测 A/B）。
references/domains/data-analysis.md — 分析（正确 + 稳健 + 可复现）。
references/domains/research.md — 研究（来源可验证、无捏造引用）。
references/domains/prompt-eval.md — 提示词/智能体/技能（以评测为标尺、正面对比）。
references/domains/detection.md — 检测工程（ATT&CK + 零误报）。