用途：在信任仿真结果之前，为仿真代码设计验证与确认（V&V）计划，包括制造解（MMS）、标准基准算例、细化协议、不确定性检查与通过/失败判据。
主要能力：根据偏微分方程或模型类别、关注量（如界面速度、温度 L2 误差）、维度、期望收敛阶、参考可用性（解析/基准/无）与风险等级，输出验证策略、有效模型、MMS 计划、基准算例、细化协议、不确定性计划、验收标准与警告。判断指引：代码正确性不确定时用 MMS；物理模型验证更重要时用标准基准；结果用于结论、设计决策或比较时必须做网格/时间细化；输入经校准、含噪或实验测量时做不确定性传播。
使用方式：运行脚本并加 --json，示例：python3 skills/verification-validation/benchmark-and-mms-planner/scripts/benchmark_mms_planner.py --model diffusion --quantity "L2 error in temperature" --dimension 2 --expected-order 2 --reference analytic --risk high --json
限制：该技能只规划验证工作，不运行求解器，也不能证明物理模型适合实验。无参考时只能用守恒与收敛检查，且不得称结果已验证。accept_observed_order_min 是工程筛选启发值（形式阶减去 10%/20% 相对容差，下限 1.0），不是认证界。模型与数量字段上限 256 字符；未知模型族会静默回退为 general。脚本不读写文件、不调用外部求解器。