用途：该技能用于让计算实验保持科学可解释，把实验记录视为研究产出的一部分，适用于规划、运行、对比或记录实验、基准测试、消融实验、自主研究循环、过夜运行和训练运行等场景。
主要能力：运行前需记录假设、可编辑范围、冻结的评估框架、指标与方向、数据版本、时间或计算预算、命令、预期输出和停止条件。运行记录方面，需更新 experiments/registry.csv，并为非平凡运行创建 experiments/<run_id>.md，最少字段包括 run_id、git commit、命令、配置、随机种子、数据集、指标、结果、运行时长、状态和备注。
自主循环规则：先建立基线；维护机器可读账本；当代码变更重要时，每次运行前提交候选变更；若约定策略为只保留改进则只保留改进，否则记录所有变体；不得静默更改指标、数据划分或评估框架；若变更改变科学含义，须停止并等待人工批准。过夜或完全自主的campaign需从模板创建 experiments/campaigns/<campaign_id>.md，并维护 experiments/campaigns/frontier-results.tsv 或campaign专属副本，定义可变性范围、冻结框架、基线运行、前沿策略、停止条件和需人工批准的事件。
输出分离：train_outputs/ 为可信训练证据，explore_outputs/ 为探索性变体，analysis_outputs/ 为结果分析与图表，debug_outputs/ 为失败诊断。
限制：支持声明、图表、表格、工件或可复现性陈述的实验必须可从 registry.csv 追溯到运行记录、命令、输入、输出和验证结果；探索性运行保留在 explore_outputs/，仅将可信证据提升至 train_outputs/、repro_outputs/ 或 outputs/；当运行支持工件可用性、功能性、可复用性、复现或重复时，更新 artifacts/badge-evidence-ledger.csv。