用途：该技能用于让 AI Agent 驱动 Kaggle 数据科学竞赛全流程，核心是把 Agent 当作能调研、调试、迭代的队友，而非单纯工具，强调规范驱动开发与快速失败、快速学习。
主要能力与经验要点： 评分稳定规律——提交后分数需时间稳定，早期峰值常偏高，应在 4 小时后再判断表现。 提交排错——针对 400 错误检查格式、ID 匹配，必要时改用 .zip；打包时只写入 CSV，避免混入 notebook.ipynb。 比赛类型区分——答案提交（预测 CSV）与模型提交（权重如 LoRA、checkpoint），可通过观察高分 Notebook 判断。 Kernel 工作流——区分 Run 模式（测试集不挂载，用于开发调试）与 Commit 模式（挂载测试集，用于最终提交）；数据路径应使用 /kaggle/input/competitions/<name>/；元数据建议 is_private 默认 true，并按规则设置 enable_internet。 复现高分 Notebook——拉取时务必加 -m 获取元数据，只改 id 与 title，保留全部 dataset_sources、model_sources、kernel_sources。
使用方式：常用命令包括 kaggle competitions submit <name> -f <file> -m "<message>"、kaggle competitions submissions <name>、kaggle kernels pull <owner>/<kernel> -p ./path/ -m、kaggle kernels push -p ./path/、kaggle kernels status <username>/<kernel-name>。建议先写 SPEC.md 明确任务、数据、评测、策略与约束，再委派给编码 Agent；简单下载或仅改元数据不必委派。
适用场景：Kaggle 竞赛起步、提交报错排查、分数异常、复现高分方案、GPU 受限时的委派策略。
限制与注意：资料未提供具体收费、价格与平台支持范围；还列出常见陷阱，如调试时回退到训练数据、游戏 AI 竞赛需完整特征、文件名重复扩展名、静默捕获异常等，并提示部分 AI API 存在限流时段。相关技能包括 agentic-competition-workflow、kaggle-auto-submit、autonomous-iteration、opencode、claude-code。