用途：围绕科研实验搭建一套固定脚手架，使实验可批量运行，并让论文里的每个数字都能追溯到一次命令。用户提供数学部分，该技能负责让数学被反复运行并正确汇报。
主要能力：确立四阶段固定契约（数据、算法、指标、存储），新增实验只需在列表或字典中加一行；每次运行自动记录来源（argv、解析后参数、随机种子、git rev-parse HEAD），结果写入 outputs/<run_id>/{config.json, metrics.json}；提供遍历 CONFIGS × SEEDS 的运行器，按 config 派生确定性 run_id，跳过已完成运行；aggregate.py 汇总 outputs/*/metrics.json，按 config 分组并输出 CSV 与 booktabs 可用 LaTeX 行，报告 n_seeds、均值与自助置信区间，train/test 分列。
使用方式：先进行 Step 0 一次性信息收集（主表或图、单次运行含义、变化项、运行时长与位置、新项目还是整理旧代码），然后填写契约，生成可在玩具数据上端到端运行的骨架，再添加用户数学。命令路径为 run.py → outputs/<run_id>/metrics.json → aggregate.py → results/。整理旧代码参考 references/codebase-cleanup-guide.md。
限制与注意：结果必须来自脚本而非 notebook，论文表格由 aggregate.py 生成而非手抄；聚合须覆盖匹配 config 的全部运行，不得取最大值或 top-N；种子数不足时不得给出更强结论。打包、CI、类型检查、实验跟踪服务、抽象配置系统等在无具体理由前跳过；但显式记录种子、固定依赖、以及一条可重跑论文全部实验的命令不可省略。部分资料未提供更多细节。