用途：这是 probabl-ai/skore-skills 中的 worker 技能，用于针对某个机器学习方法论问题做文献与网络调研，例如 EDA 补充度量、数据泄漏、数据变换、特征工程、学习器族选择等。调用方负责阶段推进和面向用户的总结。
主要能力：支持两种模式。调用方给出明确 concern 时进入 depth 深度检索；传入预设 EDA 补充分析调查或要求“survey extra analyses”时进入 survey 调查。两者皆无时，若存在 JOURNAL 与 EDA 报告则执行预设调查，否则用 AskUserQuestion 询问具名 concern，并说明本轮推断的模态与阶段，且该回答仅用于文献检索、不产代码。检索前需先抽象问题类别，而非直接搜数据集专名或关键词。
使用方式：先做 intake，依据 dtypes/JOURNAL 推断模态，采用调用方声明的领域与阶段（data_analysis 或 model），再选模式并运行对应检索循环；抓取一手页面，必要时对薄或单一来源的结果跟进。结果写入 scratch/research/（survey 为 survey-<slug>.md；depth 为 <slug>.md 并含 lanes），该目录被 gitignore。返回调用方时只给 scratch 路径与一两句发现，说明候选已按 measure/declare/evaluate/confirm 分道。聊天中不粘贴标题、表格或正文。
适用场景与限制：适合在数据分析或建模阶段需要一个有据可查的方法论方向时使用。不做丢弃、插补或删异常值，不改划分，不定最终学习器或架构；不把单一博客当权威，来源冲突需说明，阈值需两个独立来源；不执行 pixi add、uv add、env add，需要库时指名 add-python-package；不用 api get 替代文献；不搜数据集专名、sklearn.datasets、Kaggle slug 或 baseline pipeline；不凭记忆作答。若工具无法检索或写入，则仅返回意图路径与句子。具体安装命令、收费与价格信息暂未提供。
分类：依据其检索与调研用途，归为写作与研究。