用途：这是一个聚焦异常检测的侦察技能，用于监控团队真正关心的仪表盘和洞察，在最近数小时或数天内发现指标突增、骤降、持平或趋势断裂，让人类在自行察觉前先收到通知。
主要能力：以最新完整时间桶相对该洞察自身、匹配季节性的历史基线的偏离作为异常判据。对已保存的时间序列洞察，优先用内置异常检测模拟器 alert-simulate 在服务端运行生产检测器（z-score、MAD、isolation-forest 及集成），返回逐点异常分数与触发日期；非保存洞察或需自定义基线时，回退到手工 MAD 的 z-score。可选使用 Bash + python3 做双样本 Kolmogorov-Smirnov 检验，检测分布漂移与变点。
使用方式：每次运行先做三项廉价读取——scout-scratchpad-search 读取持久观察清单与基线、scout-runs-list 查看近 7 天运行、scout-project-profile-get 获取近期仪表盘。随后在利用侧（复查到期观察清单项）与探索侧（insights-trending-retrieve 等发现新高价值项）之间分配时间。评分只针对最新完整时间桶，避免把进行中的小时/天误判为下降。发现异常后先归因（按细分重跑），再通过 notebooks-create 撰写笔记，并用 scout-emit-report 提交报告；已有报告则用 scout-edit-report 更新。记忆以 watchlist:、baseline:、report:、retired:、noise:、addressed: 等前缀键持续维护。
适用场景：需要持续监控产品分析指标、及时发现真实回归并生成可追溯报告的团队。
限制：无法一次扫描整个项目，依赖长期积累的观察清单；需排除季节性波动、当前不完整时间桶、数据管道缺口、低计数噪声、开发/测试/内部细分以及团队已知的一次性事件。报告门槛为最新完整桶稳健 z ≥ 约 3.5 且无法用季节性解释。具体收费、价格与平台支持信息暂未提供。