Research Baseline Builder

ℹ️ Skill 形态说明：本 skill 不是空骨架，而是"模板生成器 + LLM 引导 + 可运行代码模板"工作流：

• scripts/init_research_baseline_workspace.py 会在指定 root 下创建一整套结构化 Markdown 模板（problem_definition / eda_plan / preprocess_plan / baseline_plan / train_eval_plan / baseline_report）+ data_schema.csv（UTF-8-BOM）+ figures/ scripts/ 子目录。
• 通过 --template 参数可把 templates/ 下的可运行基线代码复制到 scripts/ 下，直接 python scripts/baseline_xxx.py 就能在自己的（或 sklearn demo）数据上跑起来。
• scripts/run_research_baseline_workflow.py 是可选薄编排层：调用 init、输出中文进度、可选运行一次复制出的 baseline，并回写 workflow_status.json。
• 初始化会生成 routing_decision.json 和 workflow_status.json；baseline 模板会生成 metrics.json、baseline_summary.json、train_log.txt，明确区分 demo 和 user_csv。
• references/ 提供 3 份方法学指南（框架选型 / 目标核查 / 问题→数据路由）。
• 模板内的具体研究内容由 Codex/LLM 结合用户课题对话式填充。直接 init 只会得到空模板 + 决策表，这是设计如此，不是 bug。
• 默认 root 为 ./research-baseline/<slugified-topic>/（相对路径，会在 CWD 下创建中文目录）；可通过 --root 指定任意绝对路径。不再依赖任何硬编码中文路径（如 03-AI笔记）。

Overview

Use this skill to help a researcher turn a scientific question into a data problem with explicit inputs, outputs, and a baseline SOP. The goal is a defensible first experiment, not a model leaderboard.

Assume the user is a scientist or domain researcher. Do not over-explain their field. Help them make the data contract, baseline path, and evaluation boundary explicit.

The working shape is: