用途：编排端到end的元分析（meta-analysis）流程，确保每步可追踪，并产出最终手稿与审稿人回复。输入为 TOPIC.txt，以及可选的人群、结局、时间窗、研究类型或目标期刊等约束。
主要能力：建立编号项目结构：01_protocol、02_search、03_screening、04_fulltext、05_extraction、06_analysis、07_manuscript、08_reviews、09_qa、tooling/python。依次执行：读 TOPIC.txt 并生成方案产物（pico.yaml、eligibility.md、outcomes.md、search-plan.md、decision-log.md）；初步判定分析类型（≥3 种治疗→nma_candidate，2 种→pairwise）；执行检索并保存 round 级 .bib；题摘筛选并生成 included.bib；全文获取与清单；全文合格性筛选（PRISMA 2020 第16项，须计算一致性 kappa）；数据提取到 extraction.sqlite/csv；在 R+renv 中按确认的 analysis_type 运行 pairwise、NMA、pooled_proportion 或 narrative 分析并出图表；用 Quarto 撰写并渲染手稿；进行 Reviewer 1/2 检查，维护 09_qa 跨步校验日志与稳健性检查。
使用方式：在 tooling/python/ 用 uv init 初始化，用 uv add 管理依赖，脚本通过 uv run 运行（不可直接调用 python3）；R 侧在 06_analysis/ 使用 renv。各阶段对应独立技能，例如 ma-topic-intake、ma-search-bibliography、ma-screening-quality、ma-fulltext-management、ma-data-extraction、ma-meta-analysis、ma-manuscript-quarto、ma-peer-review、ma-publication-quality。示例命令保留原样：uv run tooling/python/ai_screen.py --project <name> --stage fulltext --reviewer 1；uv run ma-screening-quality/scripts/dual_review_agreement.py --file 04_fulltext/fulltext_decisions.csv --col-a FT_Reviewer1_Decision --col-b FT_Reviewer2_Decision --out 04_fulltext/ft_agreement.md；uv run tooling/python/team_spawn_helper.py --project <project-name> --role <role-name>。
适用场景：需要标准化、可复现的元分析项目，含选题、检索、双人筛选、提取、统计与论文产出全链路；也支持开启 agent teams 并行模式（须设 CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1）以并行独立阶段。
限制：依赖 TOPIC.txt 与既定目录结构；分析类型在 06 阶段前必须确认，未确认不得进入该阶段；质量门槛包括筛查与全文筛选 kappa ≥ 0.60、图表 ≥ 300 DPI、PRISMA 27/27（NMA 为 32/32）、发表就绪度 ≥ 95%。具体定价、平台与效果资料暂未提供。