用途：确保所有 Agent Skills 与 Databricks、MLflow 及平台官方文档保持同步，通过系统化验证、过期检测与漂移报告发现技能内容滞后。适用于定期审计（高波动性建议每月、中波动性每季度）、平台发布后、技能产生错误模式时，或用户要求“audit skills”“check freshness”“verify skills”时。
主要能力：技能 frontmatter 中维护 last_verified、volatility、verification_sources、upstream_sources 等元数据；按波动性分级（high 30 天、medium 90 天、low 180 天）判断过期；通过 verification_sources 中的文档 URL 比对 API 签名、SQL 语法、SDK 方法等是否漂移；通过 upstream_sources 追踪到 databricks-solutions/ai-dev-kit 等上游仓库的血缘，检查 last_synced 与 sync_commit 是否落后。
使用方式：快速审计可运行扫描脚本 python data_product_accelerator/skills/admin/skill-freshness-audit/scripts/scan_skill_freshness.py 找出过期技能；完整审计需读取每个技能的 verification_sources，WebFetch 对应 URL，比对关键模式，报告漂移并更新 last_verified；上游审计需 WebFetch https://raw.githubusercontent.com/{repo}/main/{path} 比对上游内容，同步后更新 last_synced 与 sync_commit。验证源仅作为比对基准，不会自动更新技能，需人工批准后再修改内容。
适用场景：GenAI Agents、语义层、监控、Silver/Gold、ML、基础设施等领域的技能维护。限制：资料未提供具体收费、平台支持范围或效果保证；审计依赖人工判断与批准，脚本路径与仓库结构以实际项目为准。