用途：将模糊的数据科学请求转化为明确的因果假设审查决策，帮助判断何时需要因果推理、需要哪些假设、缺失哪些证据。资料指出的痛点是团队常从观察性模型、仪表盘或相关性中过度声称因果影响。
主要能力：把请求改写为预测、关联或因果效应；定义处理、结果、人群、时间窗口与估计目标；草拟 DAG 层面的假设图与混杂因素清单；推荐实验、准实验、匹配、加权、回归或不做因果声明；将阻塞项分类为 stop、fix-first、monitor、accepted risk 或 owner decision；保留原始数据与模型产物，不静默修改。
必要输入：拟议的因果声明、处理或干预、结果、人群、可用协变量、研究设计。缺失时先检查工作区文件，只询问无法从工作区恢复且会改变建议的信息。
工作流程：重写声明并定义要素，绘制假设图与混杂因素清单，给出方法建议，输出对利益相关者安全的措辞与敏感性分析计划。红线包括无干预、处理后控制、选择偏差、未测量混杂、看到结果后才框定效应。出现红线时须在 Risks 中呈现，并至少调整建议或置信水平。
输出契约通常包含 Problem、Inputs、Checks performed、Findings、Decision、Risks、Next actions、Artifacts。Decision 可为 go、fix-first、stop、proceed-with-risk 或 needs-owner-review。
资源与用法：references/playbook.md 含检查清单、评分细则与失败模式；references/acceptance-tests.md 用于前向测试；references/agent-portability.md 用于适配各类代理；references/quality-rubric.md 用于质量审查。发布或安装前使用 scripts/quick_validate_skill.py . --strict。
限制：本资料未说明具体收费、价格、平台支持范围或实际使用效果；不同代理适配情况需参考对应文档。