loop

name	loop
user-invocable	true
description	自动迭代策略闭环，通过本地评估持续改进并逼近最优解
allowed-tools	["Read","Write","Bash","Glob","Grep","Agent"]

AutoSolver 迭代改进闭环

执行“策略提出 → 实现 → 本地评估 → 记录决策 → 改进”的循环。迭代阶段只评估 AutoSolver 项目根目录下的 candidate_solvers/solver_<strategy_name>.py，只使用项目根目录下的 data/*.txt 本地评估数据集；达到终止条件后，才将当前最优策略整理为项目根目录 solver.py。

项目根目录

本 skill 可以放在 OpenClaw workspace 的公共 skills 目录，例如：

/root/.openclaw/workspace/skills/loop/SKILL.md

AutoSolver 项目可以独立放在：

/root/.openclaw/workspace/AutoSolver

执行任何读写、创建文件或评估前，先确定 PROJECT_ROOT。优先级如下：

1. 用户明确指定的项目路径。
2. 当前目录本身是 AutoSolver 项目根目录，即同时存在 data/、candidate_solvers/ 和 tools/recovered_objective.py。
3. 当前目录下的 AutoSolver/ 子目录。
4. /root/.openclaw/workspace/AutoSolver。
5. /root/projects/AutoSolver。

以下所有相对路径都以 PROJECT_ROOT 为基准；运行命令前先 cd "$PROJECT_ROOT"。不要在 /root/.openclaw/workspace/skills 下创建候选策略、日志或最终 solver.py。

核心约束

• 策略实现放在 ${PROJECT_ROOT}/candidate_solvers/solver_<strategy_name>.py，并定义 solve(input_text: str) -> list。
• 迭代评估不覆盖、不依赖 ${PROJECT_ROOT}/solver.py。
• 评估指标为 ${PROJECT_ROOT}/data/*.txt 每个 case 的 Penalty 简单平均值，同时记录每个 case 的具体 Penalty。
• 所有策略必须使用同一批 ${PROJECT_ROOT}/data/*.txt 和同一个 ${PROJECT_ROOT}/tools/recovered_objective.py 评估函数比较。
• 最终输出必须满足全局骑手唯一性：同一个 courier_id 在所有输出分组中最多出现一次。
• 最终输出必须满足订单跨分组唯一性：同一个订单不得出现在多个输出分组中；如果同一 task_id_list_str 需要多个备选骑手，必须合并到同一个输出项的 courier_ids 列表中。
• 输出中的每个 (task_id_list_str, courier_id) 必须精确存在于输入候选池；score 和 willingness 只能使用该完整 task_id_list_str 对应的候选行，不能在单单和合单之间混用。
• 允许同一 task_id_list_str 下放多个不同骑手作为备选，但不得重复使用同一骑手。
• 最终 ${PROJECT_ROOT}/solver.py 必须自包含，不能从项目内其他文件导入函数，只能依赖 Python 标准库。

循环流程

Step 1：检查状态

读取 ${PROJECT_ROOT}/logs/solver_log.md，确认：

• 当前最优策略文件、平均 Penalty 和逐 case Penalty
• 已尝试策略、参数、改进幅度和失败原因
• 连续未改善轮数

如果 ${PROJECT_ROOT}/logs/solver_log.md 不存在，先创建基本结构：

# AutoSolver 迭代记录

## 当前最优
- 策略文件: <candidate_solvers/solver_xxx.py>
- 平均 Penalty: <mean_penalty>
- 更新时间: <timestamp>

## 迭代历史
| # | 策略文件 | 平均 Penalty | 与最优差 | 状态 | 备注 |
|---|----------|--------------|----------|------|------|

## 逐 case 结果

### 轮次 <#>: <strategy_name>

| Case | Penalty | Covered | Time(s) |
|---|---:|---:|---:|

## 失败方向总结

Step 2：选择策略方向

查看 /strategies skill 的策略目录，并结合 ${PROJECT_ROOT}/logs/solver_log.md 选择下一轮方向。/strategies 是优先候选目录，不是硬边界；当目录内相邻改进、组合和高级策略都连续失败时，必须基于失败日志提出目录外的新假设，并在日志中说明它突破了哪个既有假设：

1. 优先尝试尚未验证的高潜力方向，例如多骑手扩展、期望值贪心。
2. 对接近最优但失败的方向做参数或局部结构改进。
3. 连续多轮无改善时，再尝试 ILP、局部搜索、混合策略等更重的方法。
4. 若 A-G 方向均已失败或只带来退化，提出至少一个目录外策略假设，例如新的风险度量、分场景判别特征、候选裁剪方式或接受者竞争模型，并作为新策略文件评估。

避免重复实现已经在日志中证明无效且没有新变量的方向。

Step 3：实现策略

在 ${PROJECT_ROOT}/candidate_solvers/ 下创建或更新候选策略文件，例如：

candidate_solvers/solver_ev_multi_k3.py

实现要求：

• 文件必须提供 solve(input_text: str) -> list。
• 可参考 ${PROJECT_ROOT}/tools/strategy.py 的输入解析和 ${PROJECT_ROOT}/tools/recovered_objective.py 的本地评估思路。
• 评估阶段可以复用项目内辅助代码；最终整理为 solver.py 时必须移除项目内导入。
• 注意 10 秒执行时限；ILP、搜索等重量级方法要限制规模或设置回退策略。

Step 4：本地评估

对当前候选策略运行 ${PROJECT_ROOT}/data/*.txt 全量本地评估。统一使用项目脚本，不要复制或改写另一套评估逻辑：

python tools\evaluate_solver.py candidate_solvers\solver_<strategy_name>.py

最终提交文件可直接评估：

python tools\evaluate_solver.py solver.py

需要验证官方相似合成集时：

python tools\evaluate_solver.py solver.py --cases data\official_like_tight\*.txt

平均 Penalty 是本轮决策主指标；同时必须检查每个 case 的 Penalty、覆盖数、耗时和 Status。任何 format_error、runtime_error 或超时结果都不能更新当前最优。

Step 5：记录结果

将 Step 4 的输出写入 ${PROJECT_ROOT}/logs/solver_log.md。每轮记录必须包含：

• 策略文件路径
• 核心策略思路和关键参数
• 平均 Penalty
• 与当前最优平均 Penalty 的差值
• 每个 ${PROJECT_ROOT}/data/*.txt case 的具体 Penalty
• 状态：best、improved、fail、timeout、runtime_error、format_error
• 下一步判断

推荐记录格式：先在“迭代历史”表新增一行汇总，再在“逐 case 结果”下为同一轮次新增一个明细小节。

## 迭代历史

| # | 策略文件 | 平均 Penalty | 与最优差 | 状态 | 备注 |
|---|----------|--------------|----------|------|------|
| <#> | candidate_solvers/solver_<strategy_name>.py | <mean_penalty> | <delta> | <best/improved/fail/timeout/runtime_error/format_error> | <summary> |

## 逐 case 结果

### 轮次 <#>: candidate_solvers/solver_<strategy_name>.py

- 平均 Penalty: <mean_penalty>
- 与当前最优差: <delta>
- 状态: <best/improved/fail/timeout/runtime_error/format_error>
- 参数: <key parameters>
- 判断: <why it improved or failed>

| Case | Penalty | Covered | Time(s) |
|------|---------|---------|---------|
| tiny_seed42.txt | <penalty> | <covered>/<total> | <seconds> |
| small_seed100.txt | <penalty> | <covered>/<total> | <seconds> |

Step 6：决策与迭代

• 如果平均 Penalty 低于当前最优，更新“当前最优”，沿成功方向继续微调参数或结构。
• 如果平均 Penalty 没有改善，记录失败原因，回到 Step 2 选择新方向。
• 如果某些 case 显著退化，即使平均值改善，也要记录退化原因，并优先分析是否需要分场景策略。
• 连续无改善轮数按以下阶梯处理：
  • 1-2 轮：优先在当前成功相邻方向内做参数、阈值或局部结构调整。
  • 3-5 轮：切换到跨类别组合策略，例如多骑手 + 补覆盖、分场景 + 参数搜索。
  • 6-7 轮：切换到高级策略，例如局部搜索、beam search、受限 ILP 或随机扰动贪心，并设置规模限制和超时回退。
  • 8-9 轮：提出目录外新假设，明确说明它不同于 /strategies A-G 的地方，并只保留能在逐 case 上解释失败原因的方向。
  • 10 轮：若仍无改善，进入 Step 7 终止条件。

Step 7：终止条件

满足以下任一条件时终止迭代：

• 连续 10 轮无改善。
• 新策略只带来极小收益，且逐 case 退化风险高于继续优化收益。

终止后，将当前最优 ${PROJECT_ROOT}/candidate_solvers/solver_<strategy_name>.py 整理为 ${PROJECT_ROOT}/solver.py，并再次确认 solver.py 自包含、可运行、只依赖标准库。

关键文件

文件	用途
${PROJECT_ROOT}/data/*.txt	本地评估数据集
${PROJECT_ROOT}/candidate_solvers/solver_<strategy_name>.py	迭代阶段的策略实现与评估对象
${PROJECT_ROOT}/tools/recovered_objective.py	本地 Penalty 评估函数来源
${PROJECT_ROOT}/tools/strategy.py	已有策略和输入解析参考
${PROJECT_ROOT}/logs/solver_log.md	本地评估结果、逐 case 明细、决策和最终输出记录
${PROJECT_ROOT}/solver.py	终止后生成的最终单文件求解器