用途：帮助研究者规划科学实验，从研究问题出发选择合适设计，并完成功效分析与研究方案撰写。
主要能力：提供设计选择指南，例如判断因果关系用RCT，无法随机化时用准实验或自然实验，考察因素交互用析因设计，比较版本效果用A/B测试，调查流行率或关联用横断面调查，追踪结局随时间变化用纵向或队列研究，了解体验用质性研究，检验实践中的干预效果用实用性试验。
样本量与功效分析：给出双样本t检验、卡方检验、相关分析的Python计算函数，基于scipy与numpy，使用Cohen's d、Cohen's w、Fisher's z等效应量，默认α=0.05、power=0.80。示例命令为 source /Users/zhangmingda/clawd/.venv/bin/activate 后运行 python3 脚本。
设计原则：对照组包括阳性对照、阴性对照、安慰剂对照和活性对照；随机化包括简单、区组、分层和整群随机；盲法包括单盲、双盲和三盲。偏倚控制覆盖选择、分配、实施、检测、失访和报告偏倚及其缓解措施。
研究方案模板：包含背景与理由、目标与假设、研究设计、参与者与纳排标准、干预或暴露、结局指标、随机化与盲法、数据收集、统计分析计划、伦理考量、时间线与预算等章节。
预注册：推荐OSF、ClinicalTrials.gov、PROSPERO、AsPredicted。
提示：样本量需用功效分析论证，预注册假设与分析计划，计算时预留10%至20%失访，记录所有方案偏离，新方法可考虑先做预试验。
限制：资料未提供具体收费、平台支持范围或效果保证；示例代码仅覆盖部分检验类型，其他设计需自行扩展。