用途：将机器学习项目转为 SpecWeave 的 increment 工作流，从数据探索到模型部署全流程编排，并保持可追溯性与文档同步。当用户提出「ML pipeline」「train model」「build ML system」时激活。
主要能力：创建 ML 专属的 increment 结构（spec.md、plan.md、tasks.md、tests.md、experiments/、data/、models/、notebooks/）；生成含问题定义、数据需求、模型需求（延迟、吞吐、精度、可解释性）的 spec；按数据探索、特征工程、基线训练、候选模型、调参、评估、可解释性、部署准备、A/B 测试等生成任务；通过 track_experiment、track_model 等接口自动记录参数、指标与产物；在完成时校验实验记录、最佳模型、评估指标与可解释性产物，并生成完成摘要。
使用方式：以 /sw:inc 创建 incremental（如 0042-recommendation-model），/sw:do 执行指导，/sw:validate 校验，/sw:done 完成并同步文档；可与 experiment-tracker、model-evaluator、feature-engineer 等技能及 ml-engineer 智能体集成，支持 Scikit-Learn、PyTorch、TensorFlow/Keras、XGBoost/LightGBM 等框架。
适用场景：分类、回归、时间序列预测、推荐系统等端到端 ML 项目；需要实验可复现、模型版本与增量绑定、团队活文档协作的场景。
限制：具体安装命令、收费与价格、运行环境要求资料未提供；文中代码片段仅为示意，实际接口与行为以官方为准。