| English | 中文 |
这些操作可用于多个研究阶段，与 methods/shared 中的方法说明对应。具体研究引用同一能力，不在各阶段复制。
| 能力 | 技能 | 方法 | 可执行状态 |
|---|---|---|---|
| 空间分析与制图 | spatial_analysis | 空间关系、坐标系与支撑 | R 与 Python 直接函数通过合成检查；地理编码/栅格提供指导；未接入 run-tool 或 MCP |
| 机器学习模型、贡献与因果分析 | machine_learning_model | 回归目标、DAG 与解释 | R：ml_regression_workflow；Python：ml_python_regression_workflow；PLR 仍仅 R 实现 |
| 复现与比较 | model_reproduction | 对照与可靠性 | 已审查的直接比较与恢复函数；未新增 run-tool 或 MCP 执行适配器 |
machine_learning_model/ 是共享机器学习能力的统一位置。models/ 分类线性、树模型和序列模型参考，evaluation/ 提供公共基线对照，frameworks/r/mlr3/ 保存 R 框架说明。公共计算代码保留 scripts/r/ 与 scripts/python/ 分层。框架和专用序列入口保留各自契约及参考状态。通用回归工作流说明数据与技能组合，项目定义具体科学实验。
空气污染任务先阅读过程与影响方法，再查看回归技能的操作契约和领域特例。科学示例不增加可执行模型或因果估计目标。
专属阶段操作仍归其主阶段，第二步只接收概念方法引用。工具编号与发现取决于目录声明和显式映射，不由文件夹名称决定。参见分类用法及资产规范。新的通用回归结果使用被 Git 忽略的 machine_learning_model/results/；此前本地结果保留原位，不自动迁移。
治理成本、分配情景与 GCAM 输出分析由第四步维护。其他阶段可引用第四步的同一技能，不在共享目录重复放置。