用途：对科学主张与研究证据进行系统性批判评估，适用于审查研究方法与实验设计、评估统计有效性与证据质量、识别偏倚与混杂、审阅论文结论、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，覆盖研究者认知偏倚（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工具与 GRADE 降级/升级因素判断；五是逻辑谬误识别；六是研究设计指导；七是主张评估，判断结论是否与数据相称。
使用方式：作为技能在需要时调用，按上述框架逐项分析。可选图示仅在用户明确要求时生成，优先使用 scientific-schematics 技能，例如在设置 OPENROUTER_API_KEY 后运行：python scripts/generate_schematic.py "GRADE evidence assessment flowchart with downgrade and upgrade factors" -o figures/grade_flowchart.png --doc-type report。注意该生成会把提示发送至 OpenRouter 第三方 API，未公开敏感信息不应包含其中。
适用场景：论文评审、研究方案设计、证据综合与决策支持。限制：资料未提供具体收费、平台支持范围或效果保证；图示为可选，且第三方传输需自行评估合规性。