用途：在撰写或投稿 Science 类综合性期刊前，对量化结论做统计与可复现性合规检查，确保每条结论都具备完整统计报告骨架，避免被审稿人以重复性、检验选择或事后分析问题质疑。
主要能力：逐条核查每个量化声明是否给出效应量＋不确定度＋n＋检验＋n 的单位；要求精确 P 值、命名并论证检验及其假设（正态性、方差齐性、独立性）；提示多重比较采用 Bonferroni/Holm/FDR 校正；区分生物学重复与技术重复，避免伪重复；要求说明样本量选择依据（功效分析或理由）、随机化与盲法、纳入排除标准及预先决定的数据剔除；识别 HARKing、p-hacking、仅给代表性图像、柱状图＋SEM 掩盖小 n、以显著性差异代替差异检验等常见问题；提示提供分析代码、README、环境版本与随机种子等可复现材料，并在适用时注明预注册，明确区分预设分析与事后探索。
使用方式：作为二次通过式统计检查，先锁定广义发现声明、决定性证据、不确定度与局限，再按输出格式给出每条结论的缺口清单、重复类型判断、样本量理由、随机化盲法、多重比较、可复现性状态与下一步，并返回 claim/evidence/blocker/next edit 决策台账，便于直接修订稿件。
适用场景：面向综合性科学期刊的稿件统计审查，尤其涉及生物、行为等实验研究；也可用于与 Nature、PNAS 或专业期刊比较受众匹配度后决定是否改投。
限制：不替代具体统计方法选择与数据分析；具体期刊规则可能变动，需以官方来源核对；资料未提供的具体命令、代码和官方文本暂未提供。