minimal-run-and-audit 帮深度学习项目复现者记录一次选定运行的证据。已有明确目标、可运行命令和环境条件后，可以用它整理简短验证、推理或评估的执行结果，并生成规范的 repro_outputs 文件。
它关心的不只是命令有没有退出，还包括结果处于已验证、部分完成还是被阻塞的状态。如果运行中改过仓库文件，需要留下补丁说明；如果变动影响预处理、模型检查点或指标含义，也不能藏在“修复成功”后面。
交付物包括执行摘要，以及说明科学含义变化和与 README、论文或基线是否可比的记录。比如为让样例跑通缩小了输入数据，报告里就应说清这次结果验证了什么，哪些原结论还没有验证。
这份 Skill 不负责选定整个复现目标，也不管理长时间训练的启动和恢复。环境或数据路径还没确定时，应先完成准备，再用它记录实际尝试，而不是用一份格式完整的报告代替运行证据。