迭代闭环：假设→改→回放→对比

一次只解决一个主要问题：从错误分类中选高频类，提出可检验假设，改一处提示，回放全量并对比结论落档。

迭代轮次记录模板

轮次 12：
问题：E3 指令未遵守占比 34%（居前）
假设：约束条款在长提示中部被忽略
改动：把约束复述到输入末尾（仅此一处）
回放：golden-v3 与回归集全量
结果：E3 占比 34% 降到 21%，主指标 +2.1pt，护栏无变化
结论：保留；下一轮处理 E4

‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌