用途：这是一个工作流桥接技能，不重新实现 AutoML 或 DEFT，只负责把两者串联成三阶段流程。当用户要求运行 AOI 工作流、改进 AOI ChangeNet 模型、在同一模型/数据集上串联 AutoML 与 DEFT，或想把 AutoML 调优规格喂给 DEFT 时使用。若只需 DEFT 循环、只需 AutoML，或做零样本评估、RAG 等非训练流程，则不应使用本技能。
主要能力：阶段一调用 tao-skill-bank:tao-run-automl 在原始训练集上做 HPO，得到最佳超参规格与检查点；阶段二调用 tao-run-deft-aoi 等 DEFT 技能，跳过其基线训练，从阶段一检查点直接进入基线推理到迭代循环；阶段三以增强后的 train_combined_iter${N_final}.csv 为训练集、阶段二最优检查点做热启动，再次运行 tao-run-automl。交接内容包括合并后的 baseline_spec_automl.yaml、检查点复制、deft_state.json 与 loop_log.jsonl 预置，以及将阶段三检查点回写进 DEFT 报告。
使用方式：流程顺序执行，启动前必须完成一次统一的 Consolidated Pre-Flight 汇总并获得用户批准，之后三阶段自主运行。AOI 常用参数：network_arch 为 visual-changenet，metric 优先 FAR @ 100% recall，algorithm 用 bayesian，automl_max_recommendations 取 5–10；评估集须与 KPI 测试集 kpi/testing_set.csv 区分，避免数据泄漏。阶段三必须设置 spec_overrides["train"]["pretrained_model_path"] 为阶段二最优检查点，否则容易回退。
适用场景：AOI ChangeNet 等类别不平衡任务；非 AOI 的 DEFT 应用可替换网络架构、Phase 2 技能及路径约定套用同一三段式模式。
限制：流程串行，总耗时约为三阶段之和，具体时间取决于用户环境的单作业耗时，预热检查点与数据泄漏检查为强制项；若 DEFT 循环因不可恢复门控硬停，应跳过阶段三。资料未提供具体收费、平台要求或更多版本信息。