用途：帮助用户规划科学实验，包括提出可检验的研究问题与假设、选择研究设计、计算样本量、设置对照组，以及评估实验设计是否合理。适用于“设计一个实验来检验……”“我需要多少样本”“应包含哪些对照”“帮我规划临床试验”“这个实验设计是否有效”等场景。
主要能力：一是研究问题与假设，明确主要和次要结局，形成 H0 与 H1；二是研究设计选择，覆盖 RCT、析因设计、交叉设计、准实验、观察性队列和病例对照，并说明各自适用条件、优势与局限；三是功效分析，使用 statsmodels 的 TTestIndPower 等工具，根据效应量、alpha、power 和组间比例计算每组所需样本量，并考虑 10%–20% 的脱落率；四是变量控制，区分自变量、因变量与混杂变量，采用随机化、区组、匹配、盲法等策略；五是随机化与盲法，包括简单、区组、分层、整群随机化，以及单盲、双盲、三盲。
使用方式：该技能提供设计流程与输出模板，输出包含研究问题、设计类型、参与者/样本、分组、变量、步骤、分析计划、时间线和伦理等部分。示例样本量计算代码使用 statsmodels.stats.power.TTestIndPower 的 solve_power 方法，参数包括 effect_size、alpha、power、ratio 和 alternative。
适用场景：实验规划、临床试验设计、样本量论证、对照与随机化方案制定、可复现性检查。
限制：不用于实际运行实验（应使用 code-execution）、分析已收集数据（应使用 scipy-analysis 与 statsmodels-stats）、撰写结果（应使用 paper-writing）或文献综述（应使用 literature-search）。资料未提供具体收费、价格、平台支持范围或效果保证等信息。