用途：帮助用户在 CARTO Workflow 中构建复合评分、指数或多变量排名。使用前需先加载 carto-create-workflow 以了解开发流程，该技能同时覆盖 MCP 服务器工作流工具（create_workflow、validate_workflow、run_workflow）与 carto workflows CLI 两种接入路径。
方法选择：先判断评分方式。若有目标/结果变量（如营收、销售额、犯罪率），使用有监督方法 native.spatialcompositesupervised。若无目标但有变量重要性的专家知识，可选用逐变量 native.normalize 加 native.selectexpression 直接写加权和 SQL（透明、可审计、需自行归一化），或使用 native.spatialcompositeunsupervised 并设 scoring_method 为 CUSTOM_WEIGHTS（一节点完成但公式隐藏在组件内）。若无目标也无权重，用无监督方法 ENTROPY 或 FIRST_PC。
有监督流程：加载已按 H3 或 Quadbin 预索引的空间特征数据集与目标数据集，按空间索引列连接，特征选择时仅保留实际特征数值列（去掉空间索引列与几何），再运行 native.spatialcompositesupervised，示例参数为 model_type: LINEAR_REG、bucketize: EQUAL_INTERVALS_ZERO_CENTERED、n_buckets: 5、outlier_removal: true、r_squared_threshold: 0.4，输出为基于回归残差的评分。
无监督流程：加载空间特征数据集，仅选相关特征列，用 native.casewhen 将类别/序数变量编码为数值，必要时对“越高越差”的变量乘 -1 或使用 reverse 标志，再运行 native.spatialcompositeunsupervised，可选 scoring_method 为 CUSTOM_WEIGHTS/ENTROPY/FIRST_PC；CUSTOM_WEIGHTS 需要 weights，其实际线格式为 JSON 编码的三元组字符串 [[<column>, <weight>, <reverse>], ...]，非对象映射；常用配置 scaling: RANKING、aggregation: LINEAR、output: RETURN_RANGE 且 range 为 [0,1]。
注意事项：所有输入变量须为数值且方向一致；有监督的 R 方阈值默认 0.4 较宽松，拟合差时残差评分多为噪声；自定义权重会在内部归一化为和为 1，绝对值不重要只看比例；有监督评分为残差而非原始值；Snowflake 上未加引号标识符为大写，引用列名时需注意；weights 类型标签被误报为 ColumnNumber，应以上述三元组字符串为准。资料提供两个参考模板：composite-score-supervised.json 与 composite-score-unsupervised.json，均使用米兰 Quadbin 18 空间特征数据。该技能的收费、平台限制等未提供。