用途：这是社会科学方法链的入口，不是分析引擎。它根据研究问题与数据生成过程（谁被选择、谁被分配、什么在何时变化）把研究路由到正确的设计族，并强制先确定一个识别假设，即什么样的假设使因果主张成立。
主要能力：提供自上而下的设计决策树。若原因由研究者随机分配，则路由到真实验（RCT/实验室/田野实验），识别假设为随机化带来的可忽略性；否则判断是否存在可利用的外生变异，分别路由到双重差分（平行趋势）、工具变量（排除限制与相关性）、断点回归（阈值处潜在结果连续）、中断时间序列（干预前趋势与建模反事实延续）、固定效应/面板（无时变混淆），以及仅调整已测混淆的观察性设计（条件可忽略性，最弱）。若目标是解释性/理论建构，则路由到定性设计，再或混合方法。
使用方式：当设计正在被选择、辩护或由某个主张隐含时触发，例如“该用什么研究设计”“有观察性调查数据想声称 X 改善 Y”“该做实验还是准实验”“DiD/IV/RDD 能否回答”“前后对比是否足以声称项目有效”。退出时输出或更新流水线的 YAML Design Passport，包含 research_question、design_type、identifying_assumption 与 claim_type（causal/associational/descriptive）。
适用场景与限制：它只选设计并钉住假设，不运行模型、不选统计检验、不写论文。执行分析应交给 alterlab-statistical-analysis / alterlab-statsmodels；检验选择交给 alterlab-test-selection-guard；定性设计交给 alterlab-qualitative-methods；混合方法交给 alterlab-mixed-methods；效度判断交给 alterlab-scientific-thinking；问卷设计交给 alterlab-survey-design。定性研究的“多少”应交给饱和度逻辑，而非样本量公式。参考文件包括 references/design_decision_tree.md 与 scripts/design_router.py。具体安装与调用命令暂未提供。