用途：作为 ML / 数据科学会话的“前门”。单一职责是在开场回合读取工作区状态，选定应首先调度的同级技能并交接；交接后由该技能自身的 TRIGGER / SKIP / HOW TO USE 规则接管，同级技能之间会自行路由。
主要能力：每回合首先执行浅层工作区探测——对项目根目录执行一次 ls，并在存在时 Read 读取 pyproject.toml 与 journal/JOURNAL.md；不递归遍历 src/、experiments/ 或 data/。将 Pre-flight 清单作为可见文本输出并逐项标记。随后按调度表选入口技能：优先匹配用户信号（表 B），否则按工作区状态（表 A，自上而下首行命中即止）。常见映射包括：签名/返回/子模块归属问题→python-api；安装缺失/ImportError/依赖管理→python-env-manager；选库（pandas 还是 polars 等）→data-science-python-stack；拟合评分/交叉验证/指标→evaluate-ml-pipeline；搭建流水线/预处理器→build-ml-pipeline；项目脚手架/文件归属→organize-ml-workspace；继续迭代/记录结果→iterate-ml-experiment；lint/格式化/ruff→python-code-style；冒烟测试→test-ml-pipeline。两条规则冲突时（如“建流水线并告诉我正确的 CV”），选循环中更靠前的入口（build 先于 evaluate，evaluate 先于 iterate）。
使用方式：探测工作区后分类用户信号，命中表 B 即调度；否则按表 A 状态路由（空目录→python-env-manager 默认引导 pixi，再 data-science-python-stack，再 organize-ml-workspace；无 journal 但有 src→organize-ml-workspace；存在 journal/JOURNAL.md→iterate-ml-experiment）。若两条路由同样合理，用 AskUserQuestion（2–4 个选项）询问后再调度。最终通过 Skill(<entry-skill>) 交接并停止。
限制：不实现任何内容——不写文件、不运行命令、不装包、不搭目录、不写设计说明或流水线代码；除一次浅层 ls 外不使用 Bash/Write/Edit。仅一次性触发于开场回合，不重复进入、不在同级技能间改道。不做基于记忆的调度：即使用户直接问某符号签名，也应调度到 python-api 而非自行回答。不决定 iterate-ml-experiment 内部的策略选择。具体同级技能的功能细节、命令与配置以各技能自身资料为准，本文未提供的部分暂未提供。