用途：决定机器学习项目的产物存放位置并搭建工作区结构，不进行实验设计。技能名称为“workspace setup”，面向用户时使用数据科学语言（导入名、notebook、文档站点），不使用 G-* 名称或技能编号。
检测：存在 src/ 或 journal/ 视为已有工作区，复用现有名称与文件夹，不再脚手架；只有管理器清单而无 src/<pkg>/ 视为 manager-only，仍脚手架但保留已有 pyproject.toml，不用 --force；其余为全新，先询问 G-PKG-NAME 再脚手架。
查找与流程：按布局与导入名是否已确定选择步骤。全新或 manager-only 且导入名未记录时，只调用 AskUserQuestion 询问 src/<pkg>/ 导入名（默认文件夹名），该轮不脚手架、不持久化；“you pick”“go fast”“no preference”不算记录。导入名已由 policy.package 或 src/<pkg>/ 确定时跳过询问。脚手架命令：python -m skore_skills scaffold --package <pkg>，由 CLI 写入目录树与各文件夹 README.md。持久化导入名：python -m skore_skills policy set package <pkg>。脚手架后若 policy.notebooks 与 policy.site 均为空，执行 python -m skore_skills policy set notebooks true 与 python -m skore_skills policy set site true，不询问用户。已有布局不脚手架、不改名、不覆盖、不持久化 notebooks/site。
限制：不写 experiments/01_baseline.py 或任何实验正文；不重跑 skore.evaluate 或 project.put；不询问环境管理器、表格库或 skore 模式；不运行 pixi init / uv init；不做环境引导或可编辑安装；工具链（jupytext、nbclient、ipywidgets、nbconvert、mkdocs-material）仅在持久化 notebooks/site 后经 add-python-package 导出，绝不使用 pixi add / uv add；不写实验或探索性数据分析正文；绝不在此提交 git。CLI 写入的目录为 src/<pkg>/、experiments/、journal/、data_analysis/、data/、audit/、tests/smoke/、scratch/，每个目录都有 README.md。