用途：CourseForge 用于生成完整的数据科学任务式课程，适合创建数据科学课程、统计方法教程，以及面向 R 或 Python 的教学内容。
输入：用户提供主题（必填）、语言（R 或 Python，默认 R）、研究情境（可选，未提供时自动生成）。
主要能力：先输出课程分析，包括主题、领域、核心套件、报告指引，以及研究对象、比较项目、结果变量和十项任务规划（概念导论、资料准备、核心技术、进阶分析、品质评估、学术报告）。随后在当前目录生成 _quarto.yml、index.qmd（含 10 个任务的主课程）、slides.qmd、README.md、CLAUDE.md 五个文件。每个任务包含学习目标、概念说明、可执行代码、结果解读和学术写作范例。
主题适配：内置主题适配矩阵，覆盖 Meta-analysis（meta、metafor）、Network MA（netmeta）、Survival（survival、survminer）、PSM（MatchIt、cobalt）、Bayesian（brms）、ML Classification（tidymodels）、Causal Inference（dagitty、fixest）、Time Series（forecast）、Clustering（factoextra）等，并列出对应关键可视化。
数据模拟规则：使用 set.seed(2024) 固定随机种子；每组样本量 30-200；效应量真实且含异质性；命名采用“Author Year”格式；包含部分缺失或边界情况。
质量清单：分准备阶段（3-5 项）、分析阶段（5-8 项）、报告阶段（3-5 项）三阶段检查。
执行流程：解析用户输入、显示分析摘要、按需创建项目目录、生成五个文件、运行 quarto render 验证、报告完成状态。
限制：资料未提供具体收费、价格、平台支持范围或效果保证；实际生成质量取决于输入主题与运行环境，需自行验证 quarto render 结果。