用途：在信任或调优评分流水线前，验证“特征—基线常量—标记”三层是否真的具备区分能力，避免流水线运行正常却对每个输入都给出看似笃定的标记。
主要能力：
- 审查已提交的基线是否为人工估算，是否有重生成脚本、精度是否合理、是否存在重复副本、描述总体与实际打分总体是否一致。
- 核对特征计算单位与常量单位是否一致（如按字符 vs 按词），并排查长度混淆导致的归一化不匹配。
- 用已知正常样本打印 z 分数分布，确认中位数接近零、分布有变化，而非“又大又几乎恒定”。
- 按类别统计每个标记的触发率，识别对两类均近乎全触发或零触发的无信息标记。
- 重渲染报告时不重新打分，保留持久化分数与原始运行元数据，并校验输入未被改动。
- 检查评分构成可分解，每个特征族只计一次；重放标记层时先验证能否复现已保存输出。
- 阈值扫描需支持高异常与低异常两个方向，并覆盖阈值读取的每个统计量；复合规则需逐谓词并联合检查。
- 区分特征是否承载决策还是仅进入警告列表，并在变更说明中解释混淆矩阵未变的原因。
使用方式：技能以 Python 代码检查为主，包括列举持久化记录键、按类别计数触发、重放基线函数比对、以及渲染报告前后校验输入字节未变。示例命令保持原样，如 render_report(scores_path=inputs[0], metadata_path=inputs[1], output="report.md") 与断言 assert not mismatches, f"saved flags differ from base replay: {mismatches}"。
适用场景：评分、异常检测、置信度与阈值标记类流水线的校准与评审，尤其适合存在基线常量文件与多类别标签的项目。
限制：资料仅提供方法与检查清单，未提供具体安装命令、收费、价格、平台或效果数据；部分实现细节需结合项目实际代码确认。