用途：在编写模型代码前，把机器学习项目的关键决策先写入 journal/JOURNAL.md 的“Modeling decisions”表格，作为约定，使整个实验过程中模型保持可比。该技能不声明学习器，也不评估学习器。
主要能力与使用方式：先运行 python -m skore_skills status 检查状态；若存在待处理项且 setup-ml-project 可用，则先加载该技能并停止，完成后再继续。运行 python -m skore_skills frame show 展示决策；缺失项按参考文件中的问题逐项询问，答案来源限于 EDA 报告、随数据附带的说明文本以及用户已陈述的事实，缺失则不臆造。表中记录预测目标、对比指标、基线、折数等；部署不是时间时，horizon、gap、time role 记为 n/a；部署不是分组时 generalize-to 记为 n/a。全部必填项填完后 Status 设为 locked。
修改已记录决策：使用 python -m skore_skills frame clear --cell <key> 清除指定项，随后像对待缺失项一样重新询问替换值。该命令会标记 Revised 日期。
适用场景与限制：适用于分类、回归或多输出回归问题。若问题不属于这些类型，则回退为用文字描述比较与基线，并将预测目标记为 uncovered。仅当部署允许时才处理时间与分组相关行列。不写 Python 代码、流水线、测试或设计说明，不在 journal 中写类名或构造参数，不添加候选项之外的选项。缺失事实暂未提供。