用途：作为 ar-runtime skills 的顶层实验编排器，用户只需给出简短实验目标，该技能即驱动从规划到运行、报告的完整流程。它始终配合两个同级技能：ar-gpu-preflight（GPU 需求、规模与红黄绿判定）和 ar-workspace-safety（文件系统安全与 conda/pip 正确用法）。
主要能力：从最小输入推断实验目标并生成 slug 与路径（profile、workspace、env、artifacts、run_id）；若 config/experiment-profiles*.json 定义了对应 slug，则采用其中的路径、依赖与运行方式。流程分阶段：解析目标、计划、创建工作区、编写或读取代码、创建环境、GPU 预检、运行、报告。
使用方式：默认路径 DATA_DISK=.、WORKSPACE=$DATA_DISK/workspace。环境使用工作区本地 Miniconda，按路径创建并激活 profile 环境，例如 conda create -p "$DATA_DISK/workspace/envs/<slug>" python=3.11 -y，安装与运行前先 source conda.sh 并 conda activate。运行短任务前台执行并重定向日志；长任务用 nohup 或 tmux 并记录 PID 与日志路径。GPU 任务必须设置 CUDA_VISIBLE_DEVICES，且运行前输出预检表，判定为 RED 则停止、YELLOW 则询问、GREEN 才运行。
适用场景：Linux GPU 服务器上的短实验、冒烟测试、训练任务等需要可复现环境与安全文件操作的实验编排。
限制：不得在 $DATA_DISK/workspace/ 之外写入（/tmp/ 仅用于临时下载）；禁止用系统 python3 或 conda base 运行实验代码；禁止裸 pip install；禁止未展示预检表就运行 GPU 代码；禁止未经列出目标并确认就执行 rm -rf、git reset --hard 或批量删除；不得默认占用全部 GPU 卡。资料未提供具体收费、价格或平台支持信息。