用途：将游戏设计问题转化为一个可证伪的理论包。用于追溯机制经运行时行为到目标体验的因果链，解释薄弱、混淆、支配、浅薄或冲突的系统，在完整实现前比较两个设计变体，分析核心循环、成长、奖励、资源、不确定性与精通结构，把动机表述为自主、胜任或关联的假设，调和互相矛盾的试玩观察，并定义能推翻设计信念的最小原型。不用于编写完整GDD、生产排期、微调即时反馈、设计HUD或实现引擎系统，这些应路由到对应技能。
用法：先冻结一个可改变的设计问题，区分直接观察、玩家报告、遥测、实现事实与设计假设；再选一个最小主透镜（MDA、动机需求、决策结构、反馈/资源循环、学习/精通），仅当次要透镜会改变实验时才使用，并列出各透镜盲点。为每个主张写出“机制→交互→运行时动态→感知信号→体验”的因果链，未支持的箭头标为假设。给出可证伪假设：拟改变化、预期可观察信号、竞争解释、反证或失败特征、以及为隔离变量必须保持不变的因素。设计最小对照（控制组与变体仅差目标变量），在能影响结果时使用真实目标设备与输入方式。
验证：从本技能目录复制references/hypothesis-example.json并替换内容，运行： python3 scripts/validate-design-hypothesis.py game-design-hypothesis.json python3 scripts/validate-design-hypothesis.py --self-test 校验器只检查问题、证据边界、透镜与限制、因果链、可证伪假设、受控原型、证据计划、伦理与未解决占位符，不判断理论是否成立。
限制：不要把理论当作玩家证据的替代、通用有趣配方，或把某一分类法变成永久玩家标签。不要单独用留存、时长或付费作为期望体验的代理指标。不要虚构通用样本量、难度曲线、奖励比例、反馈时间或参与目标；证据充分性与决策阈值由研究负责人根据风险与人群推导。失败原型可否定一种实现，但不否定整个透镜。