用途：对 NVIDIA TAO Visual ChangeNet 分类实验执行深度根因分析，找出模型失败原因，并以实际图像的视觉证据支撑结论。
主要能力：围绕实验与训练代码，按五阶段调查：分数分析与阈值扫描、深度图像调查（阈值临界样本、金标准图审计、误报分析、标签语义对齐）、跨维度分析（组件类型、板级位置、训练图像、多光照）、数据与训练配置审计、反事实与可修复性分析。需使用子代理并行执行多条调查轨道，并产出含内嵌缩略图的 RCA_Report.md。
使用方式：提供实验结果目录、训练代码目录、数据集目录与目标 KPI（默认 Recall-first）。结果保存至 <experiment_result_dir>/rca_results/YYYY-MM-DD_HHMMSS/，内含报告、rca_images/ 缩略图、rca_config/ 与 claude_session.jsonl。时间戳需运行 date +%Y-%m-%d_%H%M%S 获取，不得硬编码。完整步骤、命令、阈值与报告格式见 references/phases.md、parallelization.md、report-structure.md、output-and-deliverable.md。
适用场景：TAO ChangeNet 分类实验的失败排查与修复建议。限制：具体命令、阈值与脚本细节须参照对应 references 文件，此处暂未提供。