用途：本技能关注“产出结果的机器”，即实验平台、工具、自助界面与标准读数，而非判断某个结果真假。它要解决的问题不是缺少想法，而是单次测试成本过高，从而悄悄限制了实验数量与被允许测试的想法。
主要能力：
- 经济学视角：实验量与“再做一次测试”的成本挂钩；昂贵测试会把组合限制在已有人相信的想法上。
- 实验即共享基础设施：把模板搭建、资格判定、假设与夜间分析整合为一个内部服务，使学习速率随流量而非人力扩展。
- 消除瓶颈：当有判断力的人与有提交权限的人不是同一个人时，一整类实验根本不会被提出。
- 自助式采纳作为工具指标：统计非分析师能自行获得答案的人数，因为每个无法回答的问题都会变成排队请求或默默猜测。
- 机器应产出：廉价的任意分群能力，让无人刻意寻找的发现也能进入决策；按实验类型策划报告，用每种类型的指标列表加常设护栏，让相关性成为设计时决策，并允许护栏否决收入胜利。
使用方式：按描述扫描，只跟随需要的链接。具体使用步骤与安装命令暂未提供。
适用场景：希望提升实验吞吐量的团队、搭建实验平台或内部工具的工程与数据团队。
限制：本技能只管“机器”，不负责相信某个具体结果。选择正确的结果指标、控制选择偏差、以及解读无法实时随机化的结果，属于 duo-experimentation 与 duo-measurement-validity 技能。若问题是“这个效应是真的吗”，应从那里开始。相关姊妹技能包括 duo-experimentation、duo-measurement-validity、duo-localization、duo-growth-model。收费、价格与平台信息暂未提供。