用途：abtesting 面向 A/B 测试全流程，用于功能灰度、网站改动或产品变体的实验设计与统计验证，例如比较转化率或用户参与度指标，在全面部署前获得可靠结论。
主要能力：设计包含变体、指标和时长的实验；用 Cohen's d 等公式做功效分析，计算所需样本量；对实验数据做 t 检验或卡方检验判断统计显著性；依据 p 值、置信区间和效应量定义上线标准；可接入数据源做实时分析。
使用方式：先初始化实验对象并设置参数。使用前需通过环境变量设置密钥：export ABTEST_API_KEY=your_key。可用 CLI 快速计算，也可用 API 编程访问。样本量计算命令：abtest calculate-sample-size --effect-size 0.2 --power 0.8 --alpha 0.05，输出每组最小样本量。显著性检验接口：POST https://api.openclaw.ai/abtesting/experiments，示例调用为 curl -H "Authorization: Bearer $ABTEST_API_KEY" -d '{"control": [50, 55], "treatment": [60, 65], "metric": "mean"}' https://api.openclaw.ai/abtesting/significance，返回含 p 值和置信区间的 JSON。实验设计配置为 JSON，如 {"name": "email-variant-test", "variants": ["A", "B"], "metric": "click-rate", "duration_days": 7}，保存为 experiment.json 后运行 abtest design --config experiment.json。也可用 Python 调用 openclaw.abtesting.power_analysis(effect_size=0.1, alpha=0.05, power=0.8) 做功效分析。
集成与错误处理：可导入 OpenClaw SDK 并设置密钥，在 CI/CD 中验证实验；通过 connect 方法连接数据库，如 openclaw.abtesting.connect(db_url="postgres://user:pass@host/db")；微服务中可用指数退避重试 API 调用。CLI 以退出码报错（如 1 表示输入无效），API 返回 400 表示请求错误、401 表示认证失败，可用 abtest validate --config experiment.json 提前校验。
限制：资料未提供具体收费、价格、平台支持范围及效果保证，相关事实暂未提供。