用途：面向 vLLM torch-nightly 定时分诊流程的只读根因分析。上游任务已完成 A/B（torch nightly 对同 commit 基线）、日志解析并产出工件，本技能只读取工件，对每个回归集群做根因定位、按共同原因分组、将原因路由到正确仓库，并写出 findings.md / findings.json。工具仅 Read、Glob、Grep、Write，无 Python 执行、无 Buildkite/ClickHouse 访问，不提 issue、不重试任务。
主要能力：读取分诊输入目录中的 report.md、report.json 与 cluster-logs/*.log。集群日志分为两种形态：已解析 pytest 失败的形态含 cluster/job/url/state 头部，以及每测试的 exception_class、test_is_infra 和原始 traceback；无 pytest 解析结果时走 fallback 形态，含 parse_fallback、job_is_infra 与日志尾部，真实错误通常位于底部上方若干行。全部 test_is_infra（或 job_is_infra）为 true 的集群应判为 infra，而非 torch 回归。NEW 与 PRE_EXISTING 由上游 A/B 决定：regressed 为 torch 新增，both 为预先存在、无需根因分析，baseline_only 忽略。仅真正新增的失败进入分组，按根因而非按作业分组，并用 exception_chain 作主要根因依据、exception_class 作快速识别；再按 ROUTING.md 的 Routing 列映射为 TORCH_REGRESSION（pytorch/pytorch）、VLLM_REGRESSION（vllm-project/vllm）或 infra。各类置信度按 CONFIDENCE.md 评定。
使用方式与注意事项：解析器不覆盖的情形需自行判断，包括 PyPI 尚未发布 torch==2.12.0、Python-only Installation 任务中 vLLM 预编译 wheel 基础设施抖动、被 infra 杀掉的 baseline 作业导致 both 结论不可信（应标为不确定并建议重跑对应 baseline 作业）、compile 开启才暴露的 fake-kernel/Inductor stride 问题在 --enforce-eager 车道被掩盖，以及 Dockerfile.cpu 因从 cuda.in 复制并搭配 uv pip compile --torch-backend cpu 导致 torch 2.12 wheel 缺失。uv --torch-backend <name> 会覆盖 extra-index-url，且无 test-cpu 预设，需显式使用 --extra-index-url 或 UV_EXTRA_INDEX_URL 并去掉 --torch-backend。具体仓库、分类与置信度定义请以工作区内对应文档为准，其余细节暂未提供。