Hypothesis Generator 是一个面向 B2B 转化率优化（CRO）的分析型交付技能。它读取现有的定位上下文（传统模式下为 .claude/context/*.md，知识库模式下为指定 scope 的 silver 制品），将观察到的模式与已知的 CRO 实验模式库进行匹配，构建带因果机制（而非简单修补）的实验假设，并输出按优先级排序、有先后顺序的实验计划。
主要能力：分析定位上下文，识别可测试的机会点；应用 CRO 推理框架生成假设；使用 ICE 评分对假设进行优先级排序；支持通过 --focus 限定模式类别（如 headlines、forms、navigation、personalization、layout、pricing、social-proof、content、trust、element-engagement）；通过 --max 控制假设数量（默认 10，范围 5-15）；通过 --spec 接收客户需求文件或内联文本，确保每个条目映射到假设或在“What's Not Here”中明确说明。输出至 .claude/deliverables/experiment-roadmap.md（知识库模式为 {kb_root}/deliverables/{scope}-experiment-roadmap.md），当存在业务级杠杆时额外输出战略性路线图。
使用方式：该技能以斜杠命令方式调用，例如 /hypothesis-generator、/hypothesis-generator --focus "headlines"、/hypothesis-generator --max 8。支持 --scope 参数（仅知识库模式）指定目标范围，--no-kb 强制传统模式。运行时会先解析模式（传统或知识库），在知识库模式下需校验类型技能与制品类型（gold-experiment-roadmap、silver-strategy-context、bronze-company-facts），并要求 L0 前置条件（bronze-company-facts 与 silver-strategy-context 的置信度均不低于 3）。实验历史数据为可选输入，缺失时不惩罚、不阻断。
适用场景：B2B 产品/营销团队希望基于已有定位分析生成可测试的实验假设；需要结构化的实验路线图以指导 A/B 测试或增长实验；需要将客户需求转化为具体实验假设并处理范围外条目。
限制：该技能不进行网络研究、API 调用或数据收集；分析基于上下文文件，不超出所提供材料的事实基础；输出正文保持纯净，不含置信度分数或系统内部引用；知识库模式下 --scope 为必填，缺失或无效会硬停止；实验历史生产者发现为可选，失败时静默降级。模型使用 Opus，token 预算约 40-60K。