用途：跨 SQL、notebook、脚本、仪表盘、模型产物和流水线配置重建实用血缘，解决团队在指标、特征或模型输入出问题或被质疑时无法说明来源的痛点。该技能将静态提取与语义层面的负责人确认结合，使盲点可见而非被默认忽略。
主要能力：把模糊请求转化为明确的决策，包含指定负责人、证据、假设和行动阈值；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）；区分机械检查与专家判断；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；输出可交付给数据科学家、ML 工程师、治理评审或利益相关者的决策产物。
使用方式：所需输入包括 SQL 文件、notebook、流水线配置、仪表盘定义、模型特征列表。若输入缺失，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。工作流为：提取表、列、文件、特征、模型和产物引用；将引用分组为来源、转换、输出和决策面；标记未知或人工管理的依赖；识别高风险节点（无主、PII、过期、复用或文档薄弱）；返回血缘图、风险登记表和确认清单。输出契约包含 Problem、Inputs、Checks performed、Findings、Decision、Risks、Next actions、Artifacts 等部分。
适用场景：数据血缘梳理、指标溯源、特征与模型输入审计、治理评审、数据质量排查。
限制：资料未提供具体安装命令、收费、价格、平台支持或效果数据；需参考 references/playbook.md、references/acceptance-tests.md、references/agent-portability.md、references/quality-rubric.md，并在发布或安装前使用 scripts/quick_validate_skill.py . --strict 校验。