用途：引导用户根据自身用例选择基础模型和微调技术（仅支持 SFT、DPO、RLVR）。
前提：需已存在 use_case_spec.md；若没有，先激活 use-case-specification 技能生成。
工作流：
- 发现 Hub：用 aws___call_aws 工具调用 SageMaker ListHubs API 列出区域内所有 Hub，过滤掉 HubDescription 含 "AI Registry" 的 Hub（不含 JumpStart 模型）。若仅一个合格 Hub 则自动使用；多个则让用户选择并记录名称。
- 选择基础模型：运行 python finetuning-setup/scripts/get_model_names.py <hub-name> 获取模型名，结合 references/model-licenses.md 展示每个模型及其许可证（如 Qwen3-4B - Apache 2.0）。若已知目标模型则确认其在列表中并展示许可证；否则按 references/model-selection.md 协助选择，且不得推荐列表中不存在的模型。
- 确定微调技术：参考 references/finetune_technique_selection_guide.md 推荐最合适的技术并说明理由，询问用户是否采纳。确认后运行 python finetuning-setup/scripts/get_recipes.py <model-name> <hub-name> 获取该模型实际支持的技术（仅保留 SFT、DPO、RLVR）。若所选技术不可用，说明该模型在 SageMaker 上不支持，并建议返回第 2 步换模型。
- 确认选择：向用户汇总基础模型与微调技术。
参考文件：references/model-selection.md、references/finetune_technique_selection_guide.md、references/model-licenses.md。
限制：仅支持 SFT、DPO、RLVR 三种技术；依赖 SageMaker Hub 与 AWS 工具；需先有 use_case_spec.md。