用途：面向深度学习算力服务器的初始化编排，按线性六阶段推进，每阶段产出明确后再进入下一阶段；实况与预期不符时停下对齐，不硬走。
主要能力：阶段0探测平台与现状，用厂商 smi 工具、lspci、/dev 结点、驱动与 SDK 目录交叉确认，并做架构、容器、网络三查；阶段1访谈只问影响行为的事项（root/sudo、安装层级、Python 版本、独占或共享、SDK 版本、外网不可达时的镜像/离线包/代理）；阶段2搭建与平台无关的 Python 双栈底座，miniconda 与 uv 并存，pip/conda/uv 三处源默认配清华，缓存指向大容量盘，apt 源只提醒不改，并按 model-datasets skill 落地 /data 数据底座；阶段3以厂商官方文档/下载中心为第一入口调研兼容集、wheel 矩阵与生态兼容，并用 python -m pip index versions torch --index-url <厂商源> 实查闭环；阶段4用户态优先执行，root 操作逐条确认，动手前 df -h 预检，长下载后台化，按 L1 至 L6 验证阶梯逐级通过；阶段5按 accel-skill-template 固化知识，平台三层就地改写，宿主机事实进 host 层。
使用方式：作为技能被调用，按阶段推进并记录确切版本、命令、路径与输出摘要。
适用场景：GPU/NPU 等加速器平台的深度学习环境初始化，含共享集群与裸机。
限制：不写代码、不移植项目；CPU-only 工作站仅阶段2适用；无 root 且无驱动时停止并交回用户；平台专用 wheel 需以厂商源为准，公共源搜不到不代表不支持。具体平台注册表与命令细节以资料为准，其余未提供。