用途：作为 Light 科研流水线的 DAG 第 2 节点，在提出 idea 之前回答两个硬问题——数据是否够支撑研究（规模/质量/统计功效），以及划分中是否存在数据泄漏。数据可行性不足与数据泄漏均为 critical 一票否决，被 run_checkpoint --stage 2 聚合后 exit 1。
主要能力：①数据候选下载前 intake（dataset_intake.py），核 access/license/revision/last_modified/size/split/file tree/card，记录 raw_response_sha256 与 candidate_manifest_sha256；②数据身份/权限/血缘/威胁矩阵统一契约（data_identity_fitness.py）；③数据可行性前置门（data_feasibility_gate.py）编排 sample_size_check 经验粗筛与四问，insufficient 判 critical 并建议 2⊣3 回边；④数据泄漏审计（split_leakage.py）查跨 split 精确重复、分箱指纹近重复、实体重叠、目标均值编码穿越，HIGH 为 critical；⑤防泄漏划分（safe_split.py）用 Pipeline+ColumnTransformer 保证预处理折内 refit，按 task 选 StratifiedKFold/TimeSeriesSplit/GroupKFold；⑥其余脚本包括 data_doctor、quality_gate、sample_size_check、data_feasibility、drift_check、check_access_level、croissant_export、derive_eval_set。
使用方式：13 个脚本在 scripts/ 下，各 --selftest/--help 即接口；Windows 先 set PYTHONUTF8=1。关键命令示例如 python scripts/data_feasibility_gate.py --spec feasibility_spec.json --report feas_findings.json，以及 split_leakage.py 产 leak_findings.json，再交 run_checkpoint --stage 2 聚合。
适用场景：用户要找/选/下载公开数据集，或给出数据询问能否做研究、够不够、质量行不行、怎么划分、会不会泄漏；也用于 idea 立项卡的数据可行性前置守门。
限制：自动发现目前只接 Hugging Face 公共元数据；泄漏检测为启发式，存在边界；sample_size_check 是经验阈值粗筛，非正式功效分析；可行性档位非自动真值（GIGO）；不内置 cleanlab，不做完整 EDA；隐私与许可合规不替判；完整 Croissant 校验与 Hub 上传留外部工具；OpenML/UCI/Zenodo/Kaggle 走资源地图与联网。数据不足的 idea 须停下问用户是否回炉，不自作主张放行或回炉。