用途：在启动耗时数小时至数天的昂贵计算任务（HPC 提交、ML 训练、DFT、大型数据管线）之前，验证其是否已准备好投入生产，避免失败在后段消耗金钱或队列资源。核心思路：廉价推理先于昂贵计算，用 smoke 运行提取可预测信号，再决定是否提交。
主要能力：分四层。A 层纯推理验证，检查配置完整性、领域合理性、计算资源预估、已知坏模式匹配、先例对比、风险与外部调研，产出 VERIFICATION.md；A' 层编排安全，审查提交脚本、依赖链、自传播动作与断路器（有界计数、速率上限、失败上限、通知上限），产出 ORCHESTRATION_CHECK.md；B 层廉价计算 smoke 循环，在最便宜硬件上运行，提取漂移、吞吐、内存、梯度等信号并外推到生产时间尺度，产出 SMOKE_ANALYSIS_NNN.md，默认迭代预算 5 次；C 层生产提交，可选运行中异常监控。提供 templates 与 tools/ 下针对 NAMD、LAMMPS、Quantum ESPRESSO、通用 ML 训练及新工具模板。
使用方式：先读项目 AGENTS.md、任务配置、priors.yaml 与对应 tools/<software>.md；执行验证并修复红色项；提交最廉价 smoke；等待完成；分析并对比 A 层预测；满足全部条件（红色项解决、连续两次 smoke 一致、外推不触发失败阈值、未超预算）后进入生产；否则迭代或升级人工。
适用场景：有更廉价 smoke 模式、存在可预测失败模式、失败成本高的批量计算。限制：不适合分钟级一次性脚本、交互式 REPL、尚不知 smoke 定义的首次探索，以及纯 I/O 数据搬运；不是测试框架，不替代科学判断与人工评审；具体收费、平台与价格资料暂未提供。