用途：为双臂比较（A/B 测试、简单随机对照试验、行为研究、双模型或双配置评估）确定样本量并完成预注册。产物是研究的统计计划，反馈信号由两部分组成：统计功效（对计划检验做蒙特卡洛模拟估算）与有效性缺陷计数。每轮迭代模拟功效、求解达到目标功效的样本量、审计设计缺陷并修订，直到功效达标且缺陷清单为空。
主要能力：循环执行三件事——(1) 通过模拟计算两组比较的功效与所需样本量；(2) 对设计运行固定有效性检查清单；(3) 撰写预注册。内置功效模型 tools/power_sim.py 仅覆盖两样本均值（连续结局）与两比例（二值结局）检验。
使用方式：交互式解析绑定项。若工作目录存在 loop.run.yaml 则加载并确认后进入循环；否则推断或询问各绑定值，写入 loop.run.yaml 并确认后再创建其他文件。绑定项包括假设、结局（连续：baseline_mean、sd、min_effect；二值：baseline_rate、min_lift）、目标功效（默认 0.80）、显著性水平（默认 0.05）、power_cmd、design_doc、sandbox_root、budget（默认 8）。运行 python3 <skill_dir>/tools/power_sim.py --design <two-sample-mean|two-proportion> --effect <e> [--sd <sd> | --baseline <p0>] --alpha <alpha> --n <n_per_group> 获取功效，输出单个 JSON 对象，不得手工估算。循环步骤：迭代 0 起草设计；模拟功效；若低于目标则增大 n（先步进后二分）求解；按清单审计缺陷；修订最高优先级缺陷并更新设计文档与预注册章节；追加 ledger 行。功效达标且无缺陷或达到预算时停止。ledger 为 <sandbox_root>/ledger.tsv，制表符分隔，表头为 iter、n_per_group、power、open_flaws、change。
适用场景：仅适用于主结局为连续均值或二值率的单个双臂比较。默认按用户陈述的最小关注效应计算功效；若不确定，应基于基线与最小有意义差异设定，而非乐观猜测。
限制：不是通用实验设计器，不处理析因、重复测量、聚类/多层、时间序列、自适应或生存设计；不依据领域知识选择结局或操纵；不分析已收集数据。若研究不是简单双臂比较，应停止并改用适配设计的方法。模拟中的 --design 必须与设计文档所述检验一致，不得编辑 tools/power_sim.py。设计不能仅凭功效通过，功效达标但有混杂或未随机化仍算失败。须在收集数据前预注册。一个主结局与一个计划检验驱动功效与结论，次要分析标注为探索性。sandbox 自包含，不得使用 ../ 逃逸。