用途：该技能面向科学主张与研究的批判性评估，帮助使用者系统审查方法学、实验设计、统计效度、偏差、混杂因素与证据质量，并应用 GRADE 与 Cochrane 风险偏倚等框架。
主要能力：包括方法学批评（研究设计、内部/外部/构念/统计结论效度、对照与盲法、测量质量，含 AI/ML 论文特有的基准污染、算力公平性、可复现性等考量）、偏差识别（研究者认知偏差、选择偏差、测量偏差、分析偏差与混杂）、统计分析评估（样本量与检验效能、检验选择、多重比较、p 值解释、效应量与置信区间、缺失数据、回归与建模及常见陷阱）、证据质量评估（研究设计层级、GRADE 降级/升级因素、证据收敛性与情境因素）、逻辑谬误识别、研究设计指导以及主张评估。
使用方式：资料未提供具体安装或调用命令；在评估研究时，可按概述中的流程逐项核对，并参考随附的 references/scientific_method.md、references/experimental_design.md、references/common_biases.md、references/statistical_pitfalls.md、references/evidence_hierarchy.md 与 references/logical_fallacies.md。
适用场景：评审论文与结论、评估临床试验或荟萃分析、设计新研究、解读矛盾证据、审查媒体报道中的研究主张。
限制：资料未说明平台支持、收费与价格；不保证结论正确，仅辅助批判性分析，需结合领域知识与原始数据判断。