用途：该技能用于把模糊的算力需求转化为明确的成本感知计算规划决策，涵盖实验、训练与推理。核心目标是让团队在预算与延迟约束内，先以最小可用实验规模验证工作价值，再决定是否扩大算力投入。
主要能力：估计最小可用实验规模并定义采样先行门槛；比较本地 CPU、本地 GPU、云 CPU、云 GPU、批处理与竞价实例等方案；规划缓存、早停、检查点与并行策略；设置预算护栏与单次实验或推理单位成本；输出带停止规则与升级阈值的计算计划。同时将发现分类为 stop、fix-first、monitor、accepted risk 或 owner decision，并保持结论可审计，每个重要主张附带证据、假设或保留说明。
必要用法：先复述本技能要支持的具体决策；优先检查工作区中已有产物，如数据抽取、schema、notebook、SQL、流水线配置、模型报告、工单与既往决策；仅向用户询问无法从工作区恢复且会改变建议的信息。所需输入包括任务类型、数据规模、候选模型、云或本地选项、预算、截止时间与延迟需求。输出按固定合同分段：Problem、Inputs、Checks performed、Findings、Decision、Risks、Next actions、Artifacts。可用 scripts/quick_validate_skill.py . --strict 在发布或安装前校验；按需读取 references 下的 playbook、acceptance-tests、agent-portability、quality-rubric 等文件，以保持上下文精简。
限制与风险：不静默修改数据、notebook、模型产物或生产配置，除非用户明确要求变更。缺失上下文标记为 unknown 或 owner decision，不得编造。常见红旗包括首次即全量数据运行、无预算负责人、闲置 GPU notebook、忽略推理成本，出现时需在 Risks 中明示并调整建议或置信度。该技能不替代专业判断，脚本仅作为证据收集工具。其他平台适配与收费信息暂未提供。