用途：衔接工作流1（想法发现与方法细化）与工作流2（自动评审循环），把实验计划转化为可运行的实验并产出初始结果。
主要能力：解析 EXPERIMENT_PLAN.md 等输入，提取运行顺序（sanity→baseline→main→ablation→polish）、数据集、对比系统、指标、超参数、成功标准与优先级；实现训练、评估、数据加载与基线代码，固定随机种子并以 JSON/CSV 保存结果；按需先克隆 BASE_REPO 作为基础代码库；可经 GPT-5.4 xhigh 交叉模型代码审查后再部署；先跑 sanity 阶段，失败时自动诊断并重试（最多3次）；按 MAX_PARALLEL_RUNS 并行部署，收集结果并更新 EXPERIMENT_TRACKER.md，输出 EXPERIMENT_RESULTS.md；COMPACT 模式下写入 EXPERIMENT_LOG.md；主实验正向时可调用 /ablation-planner 追加消融计划。
关键常量：CODE_REVIEW、AUTO_DEPLOY、SANITY_FIRST 默认 true；MAX_PARALLEL_RUNS 默认 4；BASE_REPO 默认 false；COMPACT 默认 false。可用 /experiment-bridge "EXPERIMENT_PLAN.md" — compact: true, base repo: <URL> 覆盖。
使用方式：作为技能调用，依赖 /run-experiment、/monitor-experiment、/training-check、/ablation-planner 等；完成后移交 /auto-review-loop。
限制与注意：评估必须使用数据集真实标注而非其他模型输出；不新增计划外实验；超时超过预估2倍则标记并继续；需跟踪 GPU 预算；使用 vast.ai 时结束后应销毁实例（/vast-gpu destroy 或 /vast-gpu destroy-all）。若缺少输入文件则询问用户要实现的实验；Codex MCP 不可用时静默跳过审查。具体支持平台、收费与价格信息暂未提供。