用途：面向可通过软件回答的研究问题运行计算实验，自动编写并执行所需代码，并输出结果报告。也可用于分析已有的实验数据（即使实验并非由 Asta 运行），用户以文件形式提供数据后生成研究报告。触发场景包括用户要求“run an experiment”“run an investigation”“research with Asta”。
主要能力：根据任务说明和可选背景知识运行实验；支持以命令行参数或文件方式传入任务与背景知识；生成结果摘要 JSON；默认统一输出到 .asta/experiment/ 目录，按日期与任务 slug 组织。
使用方式：通过环境变量配置模型与凭据。PANDA_LLM 选择底层 LLM；OPENAI_API_KEY 用于 GPT 模型及 Panda 默认配置；ANTHROPIC_API_KEY 用于 Claude；TOGETHER_API_KEY 用于 Mistral 或 Llama；INFERD_TOKEN 用于 OLMo。示例：export PANDA_LLM="claude-3-5-sonnet-latest"，export ANTHROPIC_API_KEY="..."，然后运行 asta experiment --task "..." --outputs_dir "$OUTPUTS_DIR" --result_file "$OUTPUTS_DIR/result.json"。
默认输出位置：OUTPUTS_DIR 为 .asta/experiment/<YYYY-MM-DD-slug>/，RESULT_FILE 为 <OUTPUTS_DIR>/result.json；运行前需先用 mkdir -p 创建目录。slug 取任务简短描述名，小写加连字符。用户可显式指定自定义输出路径，此时优先使用自定义路径。任务与背景知识可通过 --task/--background_knowledge 或 --task_file/--background_knowledge_file 提供；背景知识为可选。命令中可加 --force_report。
适用场景：需要自动化完成编码、运行与结果汇总的科研或工程实验；对已有数据做分析并出报告。
限制：模型选择与凭据仅能通过环境变量设置，不暴露为 CLI 参数；支持的模型与更多变量以 asta experiment --help 和 Panda README 为准；官方资料未提供价格、平台支持范围等信息，暂未提供。