Project Pivot Planner 是一个用于机器学习研究项目中期决策的技能，专门处理“原研究方向走不通”时应如何应对的问题。它适用于已有足够证据排除工程漏洞、但核心主张仍无法成立的情形。
适用场景 当出现以下情况时使用本技能：尽管修复了工程漏洞，多个实验仍一致地无法支持核心主张；对抗性审稿人成功论证主要贡献缺乏新颖性；主要基线意外缩小了与提出方法的差距；同期发表的相关工作使原贡献变得冗余；导师或委员会反馈持续质疑项目方向；项目在结果诊断阶段停留超过 2–3 个周期仍未解决。
本技能不用于单次实验调试（应使用 experiment-debugger），不用于处理特定意外结果（应使用 result-diagnosis），也不用于新项目验证（应使用 research-idea-validator）。
配套技能 当转向产生一个需要重新验证的全新研究方向时，搭配 research-idea-validator；用 result-diagnosis 确认触发转向决策的失败模式；用 research-project-memory 记录转向决策并更新阶段看板、主张与行动；当转向改变论文主要贡献或原型时，搭配 paper-positioning-planner；当转向需要新的实验计划时，搭配 experiment-design-planner。
核心原则 转向决策需要证据，而不只是挫败感；要区分工程失败与科学失败。先收窄再终止：大多数失败的机器学习项目都存在一个可辩护的较小主张。停留在死方向上的成本往往高于转向的成本。转向应在信息充分时一次性做出，而不是在压力下逐步进行。用驱动决策的证据记录转向决定，可在未来导师会议和反驳中保护项目。当终止决策有证据支持并有文档记录时，它也是一种有效的研究成果。
工作流程 第一步，收集失败证据：读取记忆文件中的主张板、风险板、行动板、证据板，以及近期实验报告和结果诊断输出；总结主主张上运行了多少实验、最强结果与所主张贡献的差距、失败模式是一致还是噪声、导师或审稿人反馈是否明确质疑核心方向。
第二步，对失败模式分类，选择一种主要模式：差距不足（方法有效但性能差距太小）、主张未获支持（方法未实现论文所声称的效果）、新颖性受质疑（贡献存在但新颖性不足）、基线已闭合（项目期间发表的工作闭合了原有差距）、方法失败（方法在现实条件下无法可靠工作）、范围过宽（原范围过于宏大但子集可行）。记录分类依据。
第三步，评估转向选项：选项 A 收窄主张，缩小到方法可靠有效的设定、数据集、机制或子问题；选项 B 改变角度，将贡献重新表述为不同类型的主张，如从性能转向洞见、从方法转向分析、从实证转向负面结果；选项 C 转向新方向，利用现有基础设施（代码、数据、基线）研究相关但不同的问题；选项 D 终止项目，停止主动开发并将发现记录为负面结果或技术报告。
第四步，做出转向决策：推荐一个选项并给出理由，包括所选选项、驱动证据、新的主要主张（或声明无可发表主张）、此决定后停止的事项（实验、写作任务、算力）、接下来启动的事项（实验、重新定位、新的论文契约），以及原型或范围变化时的目标会议重新评估。
第五步，更新项目记忆：更新主张板（标记旧主张为已转向、添加新收窄主张）、阶段看板（更新当前阶段与里程碑）、决策日志（记录转向决策及证据与理由）、行动板（关闭不再相关的行动、添加新行动）、风险板（解决不再活跃的风险、添加转向引发的风险），如使用 research-project-memory 则更新项目方向与阶段。随后按需路由至 paper-positioning-planner、experiment-design-planner 或 research-idea-validator。
最终检查 定稿前确认：失败模式有具体证据记录而非仅凭印象；四个转向选项均已评估而非只评估首选；所选选项有具体的新主要主张或终止决定；记忆更新覆盖主张、决策、行动和阶段看板；后续步骤具体且已分配。
限制 该技能仅用于项目中期方向决策，不用于单次实验调试、特定意外结果诊断或新项目验证。具体输出格式、模板细节和安装方式在提供的资料中暂未提供。