用途：解决团队在事后无法解释某结果由哪个模型、数据、代码或参数产生的问题，建立独立于任何单一追踪工具的不可变审计轨迹。
主要能力：先把模糊需求转成明确的 Experiment Provenance Ledger 决策，指定负责人、证据、假设和行动阈值；优先检查本地产物（数据抽取、schema、notebook、SQL、流水线配置、模型报告、工单、既往决策）；区分机械检查与专家判断，便于他人复现；将发现归类为 stop、fix-first、monitor、accepted risk、owner decision；保留原始证据，不静默修改数据、notebook、模型产物或生产配置。
工作流程：采集代码版本、dirty 状态、环境、数据引用、参数、种子和运行时；记录指标与产物及其负责人、用途和保留预期；链接人为决策、排除项与模型选择理由；按技术栈映射到 MLflow、DVC、W&B 或纯 JSON；返回账本与缺失溯源风险清单。
必要输入：仓库路径、数据集标识、环境文件、训练命令、指标、产物路径、决策笔记。缺失时先检查现有文件，仅询问无法从工作区恢复且会改变建议的信息。
输出契约：Problem、Inputs、Checks performed、Findings、Decision、Risks、Next actions、Artifacts。
使用方式：可读取 references/playbook.md、references/acceptance-tests.md、references/agent-portability.md、references/quality-rubric.md；发布或安装前运行 python scripts/quick_validate_skill.py . --strict。适配 Claude、Gemini、Copilot、Cursor、Windsurf、Gravity、LangGraph、CrewAI、AutoGen 或本地代理。
红旗信号：数据集未版本化、最终指标使用 dirty 代码、缺少随机种子、手动重命名产物、模型选择无记录理由。出现时须在 Risks 中体现并调整建议或置信度。
限制：不替代判断，脚本是证据采集器；未知信息标记为 unknown、not provided 或 owner decision，不得编造；不声称因果、就绪、合规或生产安全；具体平台和价格信息暂未提供。