safe-debug 帮 AI 排查深度学习项目的具体故障。显存不足、模型权重载入失败、张量形状不匹配或损失变成 NaN，都可以连同报错和运行条件交给它，先拿到诊断与修复建议。
它的默认动作是查原因，不是马上改仓库。确实需要修复时，先提出尽量小的补丁计划，再按使用者确认的范围执行。这样研究者能看清，为了让程序继续跑，究竟准备改变哪一项行为。
尤其要留意改变实验含义的“修好”。比如某项调整让训练启动了，却也改变了模型输入或比较条件，就应该写清楚，不能把排障结果直接说成研究进展。它会把诊断、补丁计划和当前状态保存到 debug_outputs。
这个 Skill 适合带着明确错误来查问题。没有活动故障、只是想熟悉仓库，或者准备大改模型，应使用相应的分析与探索流程。