用途：对科学主张与研究证据进行系统化批判性评估，适用于审查研究方法与实验设计、评估统计效度与证据质量、识别偏倚与混杂、评审论文结论、开展系统综述或荟萃分析，以及应用 GRADE 或 Cochrane 偏倚风险评估。
主要能力：一是方法学批判，从内部效度、外部效度、构念效度与统计结论效度评估设计，检查随机化、盲法、对照与测量质量；二是偏倚识别，覆盖认知偏倚（如确认偏倚、HARKing、发表偏倚）、选择偏倚、测量偏倚、分析偏倚（如 p-hacking、结局替换）与混杂；三是统计分析评估，检查样本量与检验效能、检验假设、多重比较校正、p 值解释、效应量与置信区间、缺失数据与回归建模；四是证据质量评估，按研究设计层级并结合偏倚风险、不一致性、间接性、不精确性与发表偏倚进行升降级；五是逻辑谬误识别；六是研究设计指导；七是主张评估。
使用方式：资料提到可配合 scientific-schematics 技能生成示意图，命令为 python scripts/generate_schematic.py "your diagram description" -o figures/output.png，输出保存到 figures/ 目录。
限制：资料未提供具体安装方式、收费模式、平台支持范围与效果保证；部分内容在原文中被截断，相关细节暂未提供。