用途：在内容预测技能中提议并执行 rubric 或 bucket 升级，修正系统性偏差。
两种模式：
- 完整 rubric bump：以 --propose "<新公式>" 触发，修改公式、维度或权重，需走 5 步强制验证并跨模型审核。流程包括前置门槛检查、写出新公式完整方程、校准池全量重打分（强制经 cheat-score-blind 子智能体隔离打分）、计算排序一致性、跨模型独立审核、落地并更新所有校准样本，最后更新状态文件。
- --bucket-only 轻量重校：只重新派生 bucket 边界，不动公式，按样本数自动选 ratio、absolute 或 percentile 算法，数据确定性派生，无需跨模型审核。
主要能力：校准池重打表、排序一致性对照、pairwise 无回归检查、跨模型审核、cleanup pass、批量追加 Re-scored 标记、状态更新。
使用方式：由 /cheat-retro 检测到 ≥3 次同向偏差后提议，或用户手动触发；依赖 mcp__llm-chat__chat（如配置）与 Task tool。落地前须用户明确确认。
限制：5 步不可跳；THRESHOLD=0.8 写死，不允许临时调整；跨模型审核默认开启；不接受 self-scored 回退，Task tool 不可用则中止；bucket 重校不改动历史预测文件标签。具体收费、价格、平台支持、效果数据暂未提供。