用途：为数据科学团队生成模型风险与合规备忘录，服务于评审、审计、上线或高管审批。它把分散的笔记整理成可审批的记录，明确模型目的、风险、证据、限制与控制。
主要能力：将模糊请求转化为明确的备忘录决策，包含负责人、证据、假设与行动阈值；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）；把机械检查与专家判断分开，便于他人复现；将发现分类为 stop、fix-first、monitor、accepted risk 或 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。
使用方式：所需输入包括模型目的、数据来源、受影响用户、评估证据、隐私与公平性关切、监控计划。缺失时先检查可用文件，只询问无法从工作区恢复且会改变建议的信息。工作流为：定义模型目的、非目标、用户影响与决策权限；总结数据、训练、评估、公平性、隐私、可解释性与局限；按严重性、可能性、可检测性与负责人分类风险；记录控制、监控、回滚与审批条件；返回含未决阻塞项与所需签核的备忘录。输出契约包含 Problem、Inputs、Checks performed、Findings、Decision、Risks、Next actions、Artifacts 等部分。
适用场景：模型上线前评审、合规审计、高管审批、治理评审等需要可审计决策记录的场合。
限制：资料未提供具体收费、价格、平台支持范围或效果数据。危险信号包括受影响用户未定义、无回滚负责人、相关场景未评估公平性、隐私依据不清、缺少监控；出现时需在 Risks 中呈现并调整建议或置信度。发布或安装前可用 scripts/quick_validate_skill.py . --strict 校验。