用途：为生产模型和数据产品设计漂移监控，覆盖数据漂移、概念漂移、性能漂移和运营信号，把模糊请求转化为带负责人、证据、假设和行动阈值的明确决策。
主要能力：先检查本地工件（数据抽取、schema、notebook、SQL、管道配置、模型报告、工单、既往决策）；区分机械检查与专家判断；按“停止、先修复、监控、接受风险、负责人决策”对发现分类；分类漂移风险（schema、分布、关系、概念、性能、运营）；依据数据类型、标签延迟和可行动性选择监控项；设置阈值、基线、告警路由与抑制规则；定义重训、回滚、调查或不行动的剧本；保留原始证据，不静默修改数据或配置。
使用方式：需提供模型用途、特征、预测日志、标签可用性、风险容忍度、负责人和重训流程；缺失时先查本地文件，只询问无法从工作区恢复且会改变建议的信息。按输出契约返回：Problem、Inputs、Checks performed、Findings、Decision、Risks、Next actions、Artifacts。可参考 references/playbook.md、acceptance-tests.md、agent-portability.md、quality-rubric.md，发布前运行 scripts/quick_validate_skill.py . --strict。
适用场景：生产模型和数据产品的漂移监控设计与事件响应路径制定，交接给数据科学家、ML 工程师、治理评审或利益相关方。
限制：不提供具体收费、价格、平台或效果数据；危险信号包括无负责人的告警、默认阈值、忽略标签延迟、无基线窗口、未评估即触发重训。资料未提供具体阈值示例或平台集成细节。