用途：在本地磁盘、Hub 与 MLflow 之间复制 skore 报告，并可选地改写记录的默认上传目标。先运行 python -m skore_skills status，读取 policy.skore_mode 与 skills；检查 experiments/ 与 audit/ 中的 skore.Project(...) 初始化块以确定 name、Hub workspace、MLflow tracking_uri。本地端点必须带 --from-workspace 或 --to-workspace。
主要能力与用法：核心命令为 skore sync <project> --from=<source_mode> --to=<dest_mode>。若无策略模式则先停在选择 G-SKORE-MODE 步骤，不在此处询问目标。目标三选一：local（磁盘，无需账号）、hub（https://skore.probabl.ai）、mlflow（跟踪服务器）。Hub 需 workspace 名且不得含 /；MLflow 需 tracking_uri，裸 host:port 确认为 http://host:port，不得默认 URI。可用 --dry-run 先查看计划再传输，--both 仅在用户要求双向补齐缺失报告时使用，否则单向。Hub 为源或目标时需环境变量 SKORE_HUB_API_KEY。
限制：仅切换意图时，成功同步后执行 python -m skore_skills policy set skore_mode <dest> 并改写 experiments/ 与 audit/ 中所有 Project 初始化；纯复制模式不改策略、不改初始化、不 mkdir、不编辑 JOURNAL。不评估、不 put、不审计、不 git commit、不调用 Python 的 Project.sync、不在 MLflow 端点传 *-workspace、不在本地或 Hub 端点省略 *-workspace。若 skore 不在 PATH，指明 skore-cli 并停止。错误时指出 stdout/stderr 并停止，不编造 Python 回退。