用途：指导在 Roboflow 上训练模型、诊断模型表现不佳的原因、提升精度，以及搭建生产反馈闭环。
训练流程：上传/标注图像 → 生成数据集版本（预处理、增强、训练/验证/测试划分）→ 选择模型架构与规模 → 选择检查点（COCO、Universe 模型或上一版本）→ 训练 → 评估（付费用户自动运行）。版本是冻结快照，创建后对项目的改动不影响该版本。
支持的架构按任务划分：目标检测含 RF-DETR、Roboflow 3.0、YOLO26/YOLOv12/YOLOv11/YOLOv8、YOLO-NAS、YOLOLite CPU/GPU、Roboflow Instant；实例分割含 RF-DETR Seg、Roboflow 3.0 Seg、YOLO-seg、SAM 3；语义分割为 DeepLabV3+；分类为 ViT、ResNet、DINOv3；关键点为 YOLO-pose；多模态含 Qwen3.5、Qwen3 VL、SmolVLM、Florence 2、PaliGemma 2、Qwen2.5 VL。
模型选择：检测与实例分割优先 RF-DETR NAS（rfdetr-nas-parent / rfdetr-nas-seg-parent），它训练一个父模型并搜索架构，报告速度/精度前沿与目标硬件实测延迟。NAS 需至少 15 张验证图像，且需 Core/Growth 计划或工作区授权，否则报 nas_not_available_for_plan，应回退到 rfdetr-medium 或 rfdetr-seg-medium。非 COCO 目标检测默认走 Roboflow Rapid；OCR/文本、图纸、超过 5 类、细粒度区分、高精度测量等场景不适用 Rapid。
评估：付费计划训练后自动评估，含生产指标浏览器、改进建议、按类性能、混淆矩阵、向量浏览器。MCP 工具需 model-eval:read 权限，评估未完成返回 409。诊断模型问题可参考 model-diagnosis 技能。
限制：模型 ID 需查阅 model-ids.md，不可猜测；NAS 仅支持检测与实例分割；多模态不支持可视化测试。