用途：面向机器学习研究任务，从多个来源发现相关数据集。支持 HuggingFace Hub、OpenML、GitHub、Semantic Scholar 论文交叉引用，输出经去重与相关性排序的列表。
主要能力：先明确研究任务、模态（image/text/tabular/audio/any）、规模偏好（small <10K、medium 10K–1M、large >1M、any）与许可证偏好；再执行搜索；结果以 Markdown 表格呈现，含名称、来源、下载量、大小、许可证、标签、URL，按相关性从高到低排序。可对单个数据集查看详情，生成 metadata.json 与 README.md；也可拉取样例行，生成 sample.jsonl。
使用方式：搜索命令为 python3 scripts/search_ml_datasets.py search --query "<query>" --sources huggingface,openml,github,papers --max 30，可选 --modality、--workspace（默认 ./datasets/discovery/）。详情命令为 python3 scripts/search_ml_datasets.py detail --dataset-id "huggingface:stanfordnlp/imdb" --workspace ./datasets/discovery/。拉取命令为 python3 scripts/search_ml_datasets.py pull --dataset-id "huggingface:stanfordnlp/imdb" --sample-rows 20 --workspace ./datasets/discovery/。完整下载需先与用户确认，再使用 huggingface-cli download 或等效方式。也可选用 HF MCP 工具 hub_repo_search（repo_types: ["dataset"]）做语义搜索补充。
适用场景：为情感分析、医学图像分割等研究任务寻找数据集；按模态、规模、许可证筛选；需要可追溯的搜索结果与样本预览时。
限制与约定：依赖 Python 3.8+、requests；GitHub 来源需要 gh CLI。脚本为可选辅助，仅在依赖可用时运行，输出应保存在项目工作区，不得写回技能目录；相对路径从技能目录解析；执行前优先检查而非直接修改；若运行时、CLI、凭据或 API 不可用，应说明阻塞并给出人工回退方案。未提供具体收费、价格与效果数据。