Ccdawn score loop

Skill CCDawn/codex-skills/skills/competition/ccdawn-score-loop

Chinese-first Codex skill pack for intent alignment, dynamic routing, lightweight development, code review, UI design, and AI research workflows.

Install

npx -y skills add CCDawn/codex-skills --skill ccdawn-score-loop

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

4 stars4 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

Use when repeated work is governed by an explicit metric, active baseline, candidate comparison, promotion gate, leaderboard feedback, or submission iteration; do not use for a one-off research check that its current owner can execute directly.

The file declares its own license as MIT. That is the author’s claim about this one file, and it is not the same thing as the license GitHub reports for the repository, which is listed with the other numbers below.

SKILL.md

4.3 KB, as published. Nobody here has run it

CCDawn Score Loop

目标

围绕一个明确 metric 连续比较 baseline 与 candidate，并用可复现证据决定 PROMOTE / REJECT / HOLD。这是单条量化 lane owner，不负责整个研究方向或竞赛生命周期。

BRT interface

Context Boundary: metric、active baseline、candidate/lane、评价命令、允许写入面、晋升条件和预算。
Output Contract: candidate 结果、delta、gate 决策、必要记录和下一 lane/回传。
Allowed Action: 在已确认范围内一次改变一个主要机制并评估；不静默改变 metric、数据、baseline 或提交目标。
Success Evidence: baseline/candidate 身份、命令、解析后的指标、diff/config、关键副指标和 artifact。
Stop Condition: baseline/协议漂移、metric 不明、结果不可解析、写入冲突、预算耗尽或继续无信息价值。
Route Out: 继续当前 loop、返回 ccdawn-ai-research-loop、返回 ccdawn-competition-research-lifecycle、ccdawn-bug-review、ccdawn-brt 或 BLOCKED。

统一调用契约

只处理 BRT interface 范围；不匹配时回 ccdawn-brt 或更具体 owner，复合任务不吞其他 owner。
用户可见内容默认中文，完成只报状态、产出、证据和剩余风险；代码、命令、路径、错误原文、API/协议、skill 名和枚举保留原样；Route Out 仅以 BRT interface 为准，末行写 下一步建议: <一个具体动作>。

实验 owner 独占

只有主要未知量是“候选能否持续改善明确 metric，并需要晋升/淘汰循环”时进入。AI Research 中可在同一上下文完成的一次低成本实验由研究 owner 直接执行，不为一次比较加载本 skill。

分数下降、candidate reject 和 online neutral/worse 是实验结果，不是 TDD RED。确定性的 metric/parser/schema/seed/shape/NaN/打包 bug 临时路由 ccdawn-bug-review，修复后返回原 lane。

自适应重量

QUICK：已有 baseline、命令和 gate，直接比较一个 candidate；不创建 profile、ledger、worker 或独立 artifact。
STANDARD：反复候选、跨会话或需要晋升历史；维护最小记录。
FULL：leaderboard/online feedback、提交包、昂贵运行或并行 lane；使用项目 profile 和持久 artifact。

缺少正式 profile 不阻塞 QUICK；只要 metric、baseline、命令、范围和 gate 足以解释结果即可。STANDARD/FULL 才持久化这些字段，优先读取项目已有事实源，不创建平行 ledger。

最小循环

确认当前 baseline、source/config、metric、数据/seed 和评价协议没有漂移。
定义一个主要机制、预期信号、smallestDecisiveEvaluation 和 kill condition。
先运行最小决定性检查；有希望时再扩到代表性检查或完整 gate。
解析 baseline/candidate/delta 与副作用，得到 PROMOTE / REJECT / HOLD / BLOCKED。
只有晋升、跨会话恢复、online feedback 或可复用失败教训才写记录；普通 QUICK 直接汇报。
有执行许可且下一 lane 明确时连续推进，不逐候选询问。

一个 lane 只改变一个可归因机制。Smoke/proxy 用于淘汰和排序，不替代目标评估；online score 是稀疏外部证据，不覆盖干净本地协议。没有新的因果变量、诊断信号或校准价值时停止重复尝试。

并行与回传

默认不创建 worker、worktree 或 lane matrix。只有候选写入面独立、资源允许且并行收益明显时才隔离；worker 只返回 diff、命令、指标和 artifact，不能自行晋升共享 baseline。

由 AI Research 发起时只回传：Candidate / Hypothesis outcome / Metric evidence / Mechanism evidence / Caveat / Reusable lesson / Pivot signal，研究方向仍由研究 owner 决定。由 Competition Lifecycle 发起时回传 gate 与提交/榜单影响。

输出

Gate: PROMOTE / REJECT / HOLD / BLOCKED
- Baseline / Candidate:
- Metric delta 与关键副作用:
- 机制判断与证据:
- 记录/Artifact: <仅需要时>
下一步建议: <一个具体动作>