用途：为新数据集从零搭建一个最小化的 vignette catalog，遵循 catalog-skills 模式。核心目标是缩短“到第二个实例的时间”，即让领域专家尽快为新数据集交付一个 catalog。
主要能力：生成极简项目结构（notebooks、data/{external,raw,interim,processed} 等目录），依据 references/templates.md 模板写入 pyproject.toml、.gitignore、CLAUDE.md、AGENTS.md、catalog.toml，并撰写一个可运行的方向性 notebook（PEP 723 头、with app.setup 块、一个 @app.function、## To extend 单元格）。同时安装 catalog 技能：npx skills add carpenter-singh-lab/catalog-skills --agent claude-code -y，最后用 compose-notebook 技能自带的 validate-notebook.sh 校验，或手动执行 launch/ruff/marimo-check/export 序列。
使用方式：需提供 catalog-name（必填），可选 data-surface（rest、duckdb、pooch 或 files），并确认创建的父目录绝对路径。按步骤 mkdir 并 git init，创建目录树，写契约文件，安装技能，写方向性 notebook 与 README，填写 catalog.toml，校验后提交。若在已有仓库中采用该模式，则跳过建目录与 git init，只保留 notebooks 与数据分析侧，协调而非覆盖已有 .gitignore，合并技能存储忽略项，保留原有规划文档与数据。
适用场景：想启动 catalog、创建新实例时使用，适合已有数据集分析项目或规划仓库的 catalog 化。
限制：刻意不创建 src/ 包、Snakemake/redun 管道、pixi 环境、Justfile、S3 同步等生产组件；不覆盖已有仓库配置；模板为自包含子集，权威 notebook 与数据约定以 compose-notebook 技能的 references/conventions.md 为准，冲突时优先后者。README 的 getting-started 必须含 npx skills update 以恢复技能。