用途：该技能面向需要运行 YOLO-Master 任务的场景，包括 train、val、predict、track、export、benchmark、tune，以及 LoRA diagnose、PEFT compare、MoE diagnose/prune、多模态视觉推理与批量评估，并可通过 yolo.pipeline.experiment 做端到端编排。
主要能力：提供 Agent Skill 调度器，以结构化方式提交任务并返回结构化产物、指标与后续动作；支持 dry_run 低成本覆盖检查，支持 train/tune/pipeline 的异步子进程作业；在 Apple Silicon 上默认将重计算任务设为 device=mps，可用 runtime.device 或 params.device 覆盖，MPS/CUDA 失败时自动重试一次 CPU 并返回恢复记录。
使用方式：若 yolo 版本不可用，先运行 pip install -e .；受支持命令优先使用 yolo CLI 而非原始 Python API。通过调度器执行，例如：python agent/scripts/run_yolo_master_skill.py --json '{"skill":"yolo.train","inputs":{"model":"yolo11n.pt","data":"coco8.yaml"},"params":{"epochs":1,"imgsz":32}}'。验证可运行：python agent/scripts/validate_yolo_master_skill.py --suite quick --pretty --summary-only，quick 包含 fast-smoke、dry-run 与 contract，--suite all 为完整回归。
适用场景：模型训练与验证、推理与跟踪、导出与基准测试、超参调优、PEFT/LoRA/MoE 相关诊断与对比、多模态视觉推理与批量评估、流水线实验编排。
限制与注意：新增 Ultralytics CLI 参数必须放入 params 字典，不能作为调度器顶层键；判断 train/val 结果时除 metrics 外还应消费 evaluation；发生 MPS/CUDA 到 CPU 回退时优先查看 recovery 字段而非原始 stderr；UI 启动器与研究脚本应视为 launcher 风格技能，而非普通同步函数。其他收费、平台与效果信息暂未提供。