用途：把零散的机器学习实验变成有组织、可复现的研究记录。每次实验的参数、指标、产物都会记录，并与 SpecWeave increment 绑定，避免“用了哪些超参数”“为什么选某个模型”“三个月前的结果无法复现”等问题。
主要能力：自动检测并配置追踪工具；支持三种后端——SpecWeave 内置（默认零配置，写入 increment 的 experiments 目录）、MLflow、Weights & Biases；提供实验对比并生成 comparison.md 表格；支持超参数网格追踪、交叉验证逐折追踪、产物管理（模型、图表、特征重要性、环境文件等）、实验元数据（标签、git commit、数据版本、作者）；可通过 /sw:sync-docs update 把实验结论同步到 living docs。
使用方式：在 ML increment 中调用 from specweave import track_experiment，用 with track_experiment("名称") as exp 包裹训练代码，再调用 exp.log_param、exp.log_metric、exp.save_model 等；MLflow 用 configure_mlflow(increment="0042")，W&B 用 configure_wandb(increment="0042")；对比用 compare_experiments(increment="0042")。命令包括 /ml:list-experiments、/ml:compare-experiments、/ml:show-experiment、/ml:export-experiments。
适用场景：需要系统追踪实验、客观比较多个模型、为团队记录选型理由、精确复现历史结果、跨 increment 维护实验历史的 ML 项目。
限制：资料未提供具体安装命令、收费与价格、平台支持范围及性能数据；示例代码依赖 SpecWeave 及其 API，实际可用性需以官方文档为准。