version: "1.0.0" name: research-baseline-builder description: "把天文研究问题整理成明确的输入、输出、样本单位、数据划分和简单基线，适用于光变、光谱、图像和观测日志的首次实验。"

建立研究基线

把研究问题整理成一次可检查的实验：输入什么、输出什么、一条样本代表什么，以及怎样判断结果是否回答了原问题。

先确认数据

先写清研究目标、样本单位、输入字段、目标变量、分组或时间信息与成功判据。天文对象、时间系统和数据划分的约定见 astronomy.md。

缺少数据时，先给数据说明、预期表结构和实验安排；不编造字段或训练结果。需要判断数据任务与框架时，分别阅读 问题与数据 和 框架选择。

选择一个简单基线

XGBoost 调参模板为 xgb_optuna。完整依赖、关键词选择规则与运行例子见 模型模板。应显式选择数据类型；“天文”关键词会匹配图像模板，不能据此判断光变表该用什么模型。

创建工作目录

以下命令在本技能目录中运行：

python scripts/init_research_baseline_workspace.py "光变特征分类" --template rf --root ./lightcurve-baseline
cd ./lightcurve-baseline/光变特征分类
python scripts/baseline_randomforest.py --help

--root 是父目录，脚本仍会创建课题子目录，并打印实际路径。运行复制出的脚本时使用该工作目录。带 --run-baseline 的工作流可做一次演示运行；自带或合成数据的结果只用于检查环境。

检查实验是否成立

按源身份、观测场、夜次或时间分组，避免相关样本落入不同划分。不把对象 ID、文件名或结果产生之后的变量当预测特征；类别不平衡时不只报告准确率。

记录预处理、数据划分、随机种子、指标、误差与未解决的问题。完整步骤见 实验流程。结果出来后，按 目标核查 检查它是否回答了原科学问题；相关性或预测表现不能直接支持因果结论。

会得到什么

工作目录包含问题定义、数据表结构、探索与预处理计划、基线和训练评估计划、报告模板。实际运行后再报告 metrics.json、baseline_summary.json 和 train_log.txt；routing_decision.json 与 workflow_status.json 记录选择和执行状态。说明实际使用了哪些数据、执行了哪些步骤，以及更复杂建模前还缺什么。