用途：通过 MLflow Python API 统一执行 MLflow 的读写操作，主要面向回测结果的指标记录与实验跟踪，并集成 QuantStats 计算交易指标。
主要能力：可记录回测指标（Sharpe、max_drawdown、total_return 等）、记录实验参数（策略配置、时间周期）、创建与管理实验、以类 SQL 条件过滤查询运行记录、经 QuantStats 计算 70 多项交易指标、获取指标历史（时间序列数据）。不能直接访问 MLflow 后端数据库，不负责制品存储管理（S3/GCS 配置）或 MLflow 服务器运维。
必要配置：凭据通过独立环境变量提供，而非写入 URI。可用 .env.local 配合 uv --env-file，或直接导出环境变量：MLFLOW_TRACKING_URI、MLFLOW_TRACKING_USERNAME、MLFLOW_TRACKING_PASSWORD。验证连接可运行 scripts/query_experiments.py experiments。
常用命令示例：记录回测结果使用 uv run scripts/log_backtest.py，参数含 --experiment、--run-name、--returns、--params；查询实验使用 uv run scripts/query_experiments.py experiments；按条件查询运行记录使用 uv run scripts/query_experiments.py runs，可加 --experiment、--filter、--order-by；创建实验使用 uv run scripts/create_experiment.py，参数含 --name、--description；获取指标历史使用 uv run scripts/get_metric_history.py，参数含 --run-id、--metrics。捆绑脚本包括 log_backtest.py、query_experiments.py、create_experiment.py、get_metric_history.py。
限制与注意事项：该技能依赖 Pandas（MLflow API 要求），且其路径会被 Polars 偏好钩子自动跳过；回测 CSV 需含日期索引与收益率列，否则解析失败；查询前需先创建实验，否则运行创建失败。原文未提供价格、官方文档、代码示例等更多信息。该技能被描述为随使用自我演进，仅在真实可复现的问题出现时更新。