用途：处理实验室结果文件中无法被 Azure 数据管道识别的未知列。技能接收 Power Automate 传入的 JSON 载荷，检索最可能的规范目标列，说明匹配理由，并把建议写入审核队列，供临床信息学管理员审批。
输入载荷字段：source_column_name、source_column_sample_values（去标识化，最多 5 个样本值，调用前必须哈希或脱敏）、source_lab_id、source_lab_name、source_file_name、source_domain（lab-observations、orders、specimens、results 之一）、pipeline_run_id；可选 source_column_description。
主要能力与检索步骤：按顺序执行。第一步在 Azure AI Search 索引 lab-canonical-schema 做同实验室范围检索，使用语义排序，top 5，限定 source_lab_id；若最高结果 @search.rerankerScore ≥ 2.5 则采纳。第二步做同领域更广检索，top 8，限定 clinical_domain；≥ 2.2 采纳为主建议，并记录随后 2 个候选项；否则输出 no_confident_match。第三步按给定结构生成建议记录，包含 suggested_destination_column、LOINC、confidence、confidence_score、reasoning、alternatives、status 等字段。置信度分档：≥ 3.0 为 high，2.5–2.99 为 medium，2.2–2.49 为 low，< 2.2 为 no_confident_match。
使用方式：通过 Dataverse 连接器调用 lab_column_mapping_suggestions 表的 Create 动作写入记录，并把记录 ID 返回给 Power Automate 以便通知管理员；同时返回 suggestion_id、review_url（如已配置，否则为 null）和一行摘要。
限制与护栏：不得凭空编造目标列，只能提出索引中出现的列；不得建议不兼容的数据类型映射，需检查结果中的 data_type；reasoning 中不得包含原始样本值，只描述数据形态；缺少必填字段时返回错误对象且不查询索引；Azure AI Search 出错时按 1 秒、2 秒退避重试一次，仍失败则写入 status 为 search_unavailable 的占位建议；不得自动批准，审批权归临床信息学管理员。规范架构与索引配置见技能包 README.md。