用途：在数据收集之前设计实验与研究，决定如何将实验单元分配到不同条件、固定什么、变化什么以及采用何种结构，从而让数据能够回答目标问题。核心依据Fisher三原则：随机化（使已知与未知混杂因素在期望上平衡，支撑因果推断）、重复（在正确层级独立重复以估计变异）、区组/局部控制（按批次、日期、站点等分组并在组内随机化，消除干扰变异）。
主要能力：帮助选择设计类型，包括完全随机、随机区组、交叉/重复测量、裂区、拉丁方、整群随机、嵌套设计；多因子实验的全因子、部分因子、Plackett-Burman筛选、中心复合与Box-Behnken响应面、拉丁超立方空间填充；以及序贯、成组序贯与自适应设计。提供带种子的可复现随机化与DOE布局脚本。
使用方式：安装命令为 uv pip install "numpy>=1.26" "pandas>=2.0" pyDOE3。随机化脚本 scripts/randomization.py 提供 simple_randomization、block_randomization、stratified_block_randomization、cluster_randomization、assign_factorial_runs、arm_balance；DOE脚本 scripts/doe_designs.py 提供 full_factorial、two_level_factorial、fractional_factorial、plackett_burman、central_composite、box_behnken、latin_hypercube，因子以真实单位范围传入，运行顺序默认随机化。
适用场景：比较预设条件、随机分配受试者、区组或分层消除干扰、筛选多因子、优化响应、整群随机、规划重复层级、序贯与自适应设计、安排板位与运行顺序。
限制与常见错误：伪重复（把同一单元的重复测量当作独立重复）、干扰变量混杂、随机化缺失或破坏、缺少同期对照、批次效应误认为生物学效应、板边缘/位置效应、忽略部分因子设计的别名结构、用两水平因子设计优化而忽略曲率。这些属于结构性问题，事后分析无法补救。设计确定后应匹配相应分析模型（区组、分层、整群、嵌套需体现在模型中），并可衔接统计功效与统计分析技能。资料未提供具体收费、平台或效果数据。