用途：在 pymc-marketing 中高效调试、修复并验证 Jupyter 笔记本，适用于笔记本 CI 失败、需要 arviz_plots 2.x 迁移修复，或源码改动影响模型输出等场景。
主要能力与用法：一是 mock runner 快速本地测试，向笔记本注入 mock 的 PyMC 采样，无需真实 MCMC 即可检查运行时错误，单本可运行 uv run python scripts/run_notebooks/runner.py --notebooks docs/source/notebooks/mmm/mmm_example.ipynb，也支持多本及按类别排除目录。二是真实执行，当源码改动影响模型输出时需重跑生成新输出单元，先清理旧输出 uv run jupyter nbconvert --clear-output <path>，再用 uv run jupyter execute <path> --inplace 执行，最后清理 .ipynb_checkpoints。也可用 jupyter nbconvert --to notebook --execute --inplace。
文中列出常见失败模式及修复思路，例如裸 DataArray/ndarray 需包成 Dataset、figsize 改为 figure_kwargs、rug/compact 参数移除、sample_dims 不匹配、返回类型是 PlotCollection 而非 axes、posterior_predictive 需指定 group、HDI 参数改为 prob 与 ci_bound 并用 .sel 取值等。还给出 CI 定位失败笔记本的方法及推送前检查清单。
限制：所有命令需在具备 uv 的项目环境中执行；真实执行耗时长。未提供内容：版本兼容性范围、平台要求等暂未提供。