decision-lab（dlab）是一个在冻结 Docker 环境中运行自主编码智能体的工具：你把环境、提示和技能打包成一个 decision-pack，将其指向数据后，即可获得经得起推敲的报告与建议。本技能是 dlab 的完整参考，适用于该工具相关的问题与操作。
【用途】 本技能主要覆盖以下场景：创建新的 decision-pack（交互式或程序化）；为数据科学工作流设计智能体系统提示；理解并行智能体、整合器（consolidator）与重试协议的工作方式；分析已完成会话的日志、输出与产物；运行或配置 dlab CLI 命令。
【工作流程】
- 创建 decision-pack：使用 dlab create-dpack 向导搭建，或通过 generate_dpack() 程序化生成。
- 设计智能体：编写 orchestrator、subagent 与 parallel agent 的配置。
- 运行会话：dlab --dpack <path> --data <data> --prompt "..."。
- 监控：dlab connect <work-dir>（实时 TUI）或 dlab timeline <work-dir>（甘特图）。
- 分析结果：浏览会话目录、日志与并行实例输出。
【关键概念】
- decision-pack：一个目录，包含 config.yaml、docker/ 以及 opencode/（agents、skills、tools、permissions），即智能体运行所需的一切。
- Orchestrator（mode: primary）：协调工作流、派生并行智能体、评估结果并撰写报告；每个 decision-pack 仅有一个。
- Subagents（mode: subagent）：执行聚焦任务，每次运行只执行一种策略；若失败则写出诊断并停止，由 orchestrator 协调重试。
- Consolidator：自动生成的只读智能体，用于比较并行实例结果，不裁决优胜者。
- 并行探索：以结构上不同的方法（不同先验、模型、数据准备）扇出多个智能体，在给出建议前检查它们是否一致。
【关键方法论规则】 这些规则对任何数据科学智能体系统都是不可协商的：绝不伪造（不模拟数据、不静默吞错、不用 try/except 把值置零）；理解优于拟合（模型未收敛是证据而非失败）；知道何时停止（硬性轮次上限、冲突检测、退化问题报告）；使用模板而非具体实现（提示中不写具体数字，使用 <PLACEHOLDER> 语法）；报告不确定性而非点估计（始终报告区间，区分模型不确定性与结构不确定性）；建议必须经过计算（不做粗略推算，多场景，现实可行动作）；记录一切（包括失败，两份报告：业务与技术）。
【参考文档】 按需加载，不必预先全部阅读：
- references/agent-design.md：完整方法论，包括反伪造、重试协议、认知谦逊、冲突检测、提示设计、并行探索、退化问题、智能体提示结构、运行时目录布局与 YAML 配置。
- references/create-dpack.md：程序化创建 decision-pack，包括 generate_dpack() API、配置键、包管理器、权限与 Modal 集成。
- references/create-dpack-interactive.md：交互式向导指南，说明如何访谈用户并以正确配置调用 generate_dpack()。
- references/run-analyzer.md：会话分析，包括目录布局、日志格式（NDJSON 事件）、并行运行的导航方式与关注点。
【适用场景】 适合需要以可审计、可复现方式开展数据科学分析、构建多智能体分析流程或复盘 dlab 会话的场景。
【限制】 资料未提供具体的性能指标、收费模式、平台支持范围或安装命令细节，相关事实暂未提供。