用途：在项目投入时间和预算前，评估数据集或数据域是否就绪于AI、分析或建模，给出明确的继续、先修复或停止决策，避免乐观的“原型表演”。
主要能力：将模糊请求转化为带责任人、证据、假设和行动阈值的就绪度分诊决策；先检查本地工件（数据提取、schema、notebook、SQL、管道配置、模型报告、工单与既往决策）；把机械性检查与专家判断分开，便于复现；按治理、质量、代表性、可复现性和运营适配进行评分；将阻塞项分为停止、先修复、监控、可接受风险或责任人决策。
必要用法：所需输入包括数据集路径或schema、数据负责人、预期用例、隐私或合规约束、标签或真实值计划。输入缺失时先检查可用文件，仅询问无法从工作区恢复且会改变建议的信息。工具侧可用 scripts/quick_validate_skill.py . --strict 在发布或安装前校验；按需阅读 references/playbook.md、acceptance-tests.md、agent-portability.md、quality-rubric.md，保持上下文最小。
输出契约：包含 Problem、Inputs、Checks performed、Findings、Decision（go、fix-first、stop、proceed-with-risk 或 needs-owner-review）、Risks、Next actions、Artifacts 等部分，除非用户要求其他格式。
限制与红线：保留原始数据、notebook、配置和模型工件，除非用户明确要求修改；缺失上下文标记为未知、未提供或责任人决策，不得编造。危险信号包括未知负责人、无标签来源、未经批准使用PII、核心字段高缺失、新鲜度与决策周期不匹配。危险信号不一定等于停止，但必须改变建议或置信水平。其他平台适配细节及评分标准参见对应参考文件，本次资料未提供其具体内容。