用途：为 ML/DL/Quant 研究项目建立基于文件的实验记忆，管理假设、运行、结论及由此形成的信念，避免重复失败的实验、浪费算力。与 project-knowledge-harness（软件工作记忆）互补：工程杂事留 TODO.md，调试陷阱留 pitfalls/。
主要能力与五个界面：experiments/LEDGER.md 记录当前信念、成败与编号发现 F-001…；ROADMAP.md 按 payoff/cost/category/depends-on 分优先级；INBOX.md 收集未定价的原始想法；experiments/<NNN>-<slug>/REPORT.md 记录具体运行与结论（含前置元数据和溯源）；README.md 自动渲染 Mermaid 地图与索引表。每个实验只设一个消融轴，对照命名基线，结果表须声明可比性规格（成本模型/费率/评估窗口版本），不同规格数字不共表。
使用方式：脚本位于 scripts/。初始化：scripts/init.sh --target /path/to/project --project-name "My Project"，幂等。设计前先 grep LEDGER 和索引，引用已有发现。新建实验：scripts/new-experiment.py --title "..." --question "..." --axis "..." --baseline "#001" --from-roadmap "..."，运行前填写预注册（假设、成功标准、决策规则）。记录发现：scripts/log-finding.py --statement "..." --evidence "#002" [--overturns F-004]。刷新索引：scripts/render-index.py。整理 inbox：scripts/sweep-inbox.py（--formalize/--batch）。重排序：scripts/retriage.py。溯源：scripts/snapshot-provenance.py --cmd "..."。
适用场景：需要回答“是否试过 X”、追踪方向成败、定位结果、管理依赖翻转、要求可复现或整理零散实验文件夹时。
限制：不用于单次临时计算、无假设的工程任务（走 TODO.md）或运行级指标流（属 MLflow/W&B 领域，本工具只存结论与引用，不存原始遥测）。长期运行需写入持久完成标记并做真实调度依赖，状态 running 本身不是证据。具体收费、价格、平台支持等资料暂未提供。