1.执行python run.py ,获得返回结果 2.基于返回结果，优化一个指令system.md，直到返回结果为<预期结果>/直到返回结果包含<预期内容>， 3.继续测试 5 次；若其中任意一次结果不为<预期结果>/不包含<预期内容>，则再次返回step2。 1.禁止修改run.py 2.禁止直接输出预期内容的指令