用途：在投入完整开发前，用快速、低成本实验验证产品想法或功能假设，践行 Alberto Savoia 的 pretotyping 理念（先确认“做对的东西”，再把它做对），兼顾新产品与既有产品。
主要能力：以 XYZ 假设框定测试，即“至少 X% 的 Y 会做 Z”，并预先设定通过/失败阈值；强调 SITG（投入金钱、时间、声誉等真实代价的信号）与 YODA（优先自有数据，而非问卷和基准数据）；按产品类型选择方法——新产品可用落地页、讲解视频、预购、concierge MVP，既有产品可用假门、功能占位、A/B 测试、绿野仙踪、站内问卷；提供五步流程：假设、方法、指标/阈值、限时执行、评估（通过/失败/不确定）；脚本 experiment_designer.py 可针对每个假设建议 2-3 个实验，含指标、阈值、工作量与时长。
使用方式：运行 python3 scripts/experiment_designer.py --demo 查看内置示例（3 个假设）；用 python3 scripts/experiment_designer.py input.json 为自己的假设设计实验；加 --format json 输出 JSON。每个假设需提供 hypothesis_text、target_segment、product_type（new/existing），并用 assets/experiment_plan_template.md 记录实验计划。设计前需确认假设、产品类型、目标人群与可捕获的 SITG 信号；若信息不明应先询问。
适用场景：有产品想法或功能假设需低成本验证；想测试付费意愿或真实兴趣而非口头偏好；需为新旧产品选择合适实验方法。原型优先实验适合最不确定的是可用性或交互吸引力时，用 5-8 名目标用户按脚本任务测试，衡量任务成功与错误。
限制：不负责统计功效分析或样本量计算、实验基础设施搭建，也不执行实验，仅做设计；pretotyping 验证的是需求与价值，而非可用性或性能；站内问卷信号最弱；关键词匹配为启发式，可依领域知识覆盖。原型实验须用合成数据，未经批准不得向第三方工具载入客户个人信息。产品名称、URL、命令等保留原样。