用途
review-ml-experiment 是机器学习实验流程中 evaluate 之后的可选循环步骤，用于对已完成的实验进行复盘审查。它读取已存储的报告，为每个候选想法生成一个 markdown 想法文件，并在日志的 Ideas 表中写入对应行。记录结果（record-outcome）仍由调用方负责，本技能只负责写想法文件及其 Ideas 行。
主要能力
- 运行
python -m skore_skills status和python -m skore_skills review consent --stem <stem>，并以返回的 JSON action 为准。 - 根据 action 分支处理：
- stop：不存在 scratch/results/<stem>/report.html 时，指出该文件并停止，不审计、不记录结果。
- audit：报告存在但 digest 不存在时，若已安装则加载 audit-ml-pipeline；该技能运行一次 materialize.py，且不执行审计文件。
- proceed：digest 已在磁盘上时，除非用户要求重新审计，否则不重跑 materialize.py；否则基于现有 digest 刷新想法文件。
- 缺少审计技能时，输出一行跳过说明，返回 n/a，不写想法文件，也不打开 Project 或调用 report.*。
- 读取设计说明、EDA 摘要、最后一行 History 和 digest，为每个 Issues:/Tips: 行生成一个候选；设计说明中已命名但本次运行未测试的方法学缺口也算一个候选。
- 每个候选在 journal/ideas/<stem>-<slug>.md 写一个文件，包含 Experiment、Source（audit:<stem>:checks.<code> 或 design:<stem>）、Triage open、Question、Why now、What changes、Open gaps，不写验收标准。
- 对检查类候选，读取该行上的文档 URL，并在 What changes 中应用该页面的建议。
- 刷新时保留已有文件的 Triage 值和匹配的 Ideas 状态；新候选为 open。
- 在 journal/JOURNAL.md 中为每个文件 upsert 一行 ## Ideas 行；若该表缺失，则插入到 History 与 Backlog 之间。列为 Question、Status、Experiment、Source。Question 为文件的 Question 纯文本而非链接；Status 为 open、discarded 或 aside，与 Triage 一致；已提升的文件没有 Ideas 行；Experiment 为本次运行的 stem；Source 原样复制。只编辑该表。
- 返回 digest、
python -m skore_skills audit finding --stem <stem>的 JSON 结果、python -m skore_skills loop locator --stem <stem>的定位符以及想法文件路径。
使用方式
在成功执行 evaluate 之后调用。先运行 status 和 review consent 命令，依据返回的 JSON action 决定后续步骤。用户想法或文献查询不属于本技能的候选：本技能返回后，由 shape-user-idea 或 search-ml-literature 在用户要求时写入相应文件及其 Ideas 行。仅当 status.skills.research-ml-practice 为 true 且审计或设计候选需要来源时，才加载 research-ml-practice；否则输出一行跳过。
适用场景
适用于机器学习实验评估后的复盘审查，尤其是需要将审计发现或设计缺口转化为可追踪想法文件的场景。
限制
- 不写 History、Backlog、Status 或设计说明；Ideas 表是唯一对 JOURNAL.md 的编辑。
- 不调用 skore.evaluate 或 project.put。
- 不挑选获胜想法。
- 不编造论文、指标或获胜者。
- 不虚构缺失子项的过程。
- 在 proceed 时，除非用户要求重新审计，否则不重跑 materialize.py。
- 缺少审计技能时返回 n/a，不写想法文件。
暂未提供
关于收费、价格、平台支持、具体效果或更详细的使用步骤，资料中暂未提供。