ML Research Router 是一个面向机器学习研究项目的“根路由器”技能，核心定位是技能选择而非任务执行。
用途
- 当用户询问该用哪个技能、不知道技能名称，或只描述研究流程而没有点名技能时使用。
- 当已安装技能过多，导致 Claude/Codex 中的叶子技能描述被截断、难以直接判断时使用。
- 当任务横跨实验、写作、发现与运维等多个领域，需要先做一次分类再交接时使用。
主要能力
- 分类并路由到单个目标，桶包括：experiment（运行任务、调试、NaN、OOM、结果、消融、指标、基线、统计、混杂因素、转向）→ experiment-evidence-router；paper（撰写文字、起草章节、投稿、引用、LaTeX、一致性编辑、camera-ready）→ paper-writing-router；discovery（文献综述、新颖想法、参考论文、来源卡片、语料对比）→ discovery-router；ops（git、commit、push、worktree、项目初始化、服务器、HPC、代码评审、记忆、时间线）→ project-ops-router；method-design（设计算法、方法形式化、机制规格、实现交接）→ algorithm-design-planner；feedback-intake（导师反馈、审稿人评论、处理外部反馈、分类反馈）→ feedback-synthesizer；advisor-output（给导师写更新、周报、实验室笔记、合作者状态）→ advisor-update-writer；rebuttal（审稿意见到达、回复审稿人、OpenReview、逐条反驳）→ rebuttal-strategist；slides（幻灯片、演示、进展报告、导师汇报、组会幻灯片）→ research-slide-deck-builder；model-release（模型卡、数据集数据表、HuggingFace 卡片、可复现性声明）→ model-card-writer；code-release（公开发布代码、GitHub release、LICENSE、CITATION.cff、公开仓库）→ release-code；artifact-eval（工件评测、AE 包、复现说明、冒烟测试清单）→ artifact-evaluation-prep。
使用方式
- 范围边界：仅在已初始化、且装有完整项目本地技能包的 ML 研究项目内使用，或在维护 ml-research-skills 仓库时使用；通用非 ML 软件项目不要激活。若用户想从全局运行时创建或启用 ML 研究项目，应先用 ml-research-bootstrap。
- 路由前必做：检测 scope（git rev-parse --git-common-dir 与 --show-toplevel）；若存在 memory/BRIEFING.md 则读取，用当前阶段收窄领域分类；读取 references/route-table.md；若用户不知道调用哪个技能，或从路由表看不出明显叶子技能，则读取 references/skill-index.md。
- 路由步骤：从桶表中找出唯一最适用的桶；若在两个桶之间不确定，读取 references/contrastive-routing.md；若用户要求技能发现，或叶子描述可能被截断，先读 references/skill-index.md 再让用户点名；仍不确定时只问一个收窄问题，然后选择恰好一个子技能或域路由器并交接，用一句话说明路由到哪个技能及原因。
适用场景
- 用户不清楚技能名称、需要技能发现，或任务跨领域需要一次分类交接。
- 项目内需要把实验、写作、发现、运维等任务导向对应处理技能。
限制与硬约束
- 不直接解决任务。
- 单次任务不得串联两个域路由器。
- 若领域已明显且用户不是在问技能发现（例如“我在调试训练崩溃”），应直接交给 experiment-evidence-router，不要额外增加本路由器这一跳。
- 当本地路由表或技能索引能识别下一个路由器或叶子时，不要要求用户点名技能。
- 若没有任何桶匹配，只问用户一个澄清问题。
- 本次资料未提供价格、安装命令、平台支持范围等具体信息，暂未提供。