用途：由用户提供的研究方向（一个暴露或暴露集 + 一个结局）生成完整的双样本孟德尔随机化（MR）研究设计，支持单暴露→单结局、多暴露筛查、双向 MR、生活方式/饮食/行为、生物标志物/分子性状及面向发表的综合设计六种风格。
主要能力：推断研究类型（暴露类别、研究目标、是否需要 MVMR 或共定位、时间与资源限制）；始终输出 Lite、Standard、Advanced、Publication+ 四种配置及各自目标、所需数据、模块、工作量、图表、优缺点，并推荐一个主方案；给出分步工作流（GWAS 选择与祖源匹配、工具变量提取 p<5×10⁻⁸、LD clumping r²<0.001/10,000 kb、F 统计量筛选 F>10、回文 SNP 协调、IVW 主分析、MR-Egger/加权中位数/众数、Cochran's Q 与 I²、MR-Egger 截距与 MR-PRESSO、留一法、双向 MR、MVMR、功效/MDES、共定位 PP.H4>0.8）；提供图表计划（散点图、森林图、漏斗图、结果与敏感性分析表）和验证分层（主证据、敏感性支持、高阶因果强化）；包含风险自查与审稿人常见质疑；给出最小可执行版本与发表升级路径。
使用方式：输入一个暴露（或暴露集）与一个结局即可；细节不足时推断合理默认设计并明确声明假设。R 代码框架以 CRAN 的 TwoSampleMR 包为主，可配合 MRPRESSO，示例：library(TwoSampleMR)；extract_instruments(outcomes = "...")；harmonise_data()；mr()；用 available_outcomes() 查询 GWAS ID。
限制：仅覆盖双样本 MR，不处理 RCT、倾向评分匹配、DAG 观察性分析、贝叶斯网络等非 MR 因果推断设计；工具变量少于 3 个时提示 MR 不可行，F<10 时不以 IVW 为主并升级到弱工具稳健方法；不强制双向 MR 或 MVMR；不夸大弱工具或行为表型噪声下的因果结论；用户未提供的时间、价格、平台等事实暂未提供。