Incrementality Design 是一个专注于反事实测量设计的技能，其核心任务是估算营销的因果增量（causal marketing lift）。
用途：当用户需要设计反事实测量以估算营销因果增量，且增量性设计是明确的决策边界时，使用此技能。如果归属模糊或多个职能竞争，应路由至 marketing-council。如果用户明确要求跨职能的依赖工作，则使用 ../../scripts/dynamic_router.py 构建有界 DAG。
主要能力：该技能提供了一套操作契约，要求首先阅读 references/skill-spec.json 以了解激活条件、不变量、工作流自由度、证据规则、交接和完成条件；在构建或质疑决策时使用 references/decision-model.md；在最终确定建议前检查 references/failure-modes.md；并依据 references/output-contract.md 渲染响应。它强调证据纪律，要求将关键主张分类为事实、推断、假设或未知，优先使用提供的一手证据，并在新鲜度影响建议时核实当前平台、政策、产品、定价或市场主张。禁止编造研究、工具调用、指标、客户语言或因果证明。
使用方式：该技能包含路由规则，聚焦请求时留在技能内；模糊或跨职能归属时交给 marketing-council；显式依赖链时使用 dynamic_router.py。在技能归属确定后，理论/代理选择可使用 neural_router.py，但神经节点从不替代技能路由。执行连接包括主要专家 ../../agents/measurement-strategist.md、怀疑性制衡 ../../agents/marketing-skeptic.md、领域挑战门 ../../hooks/incrementality-required.md 和证据门 ../../hooks/evidence-gate.md，这些作为决策输入而非自动权威，技能拥有最终受证据约束的综合。
适用场景：适用于需要设计反事实测量以估算营销因果增量的明确请求。
限制：完成门要求决策明确、证据与推断分离、考虑可信替代方案、输出已渲染、重大不确定性已说明，并定义了测量和反转证据。本地行为评估位于 evals/activation.yml、evals/behavior.yml、evals/pressure.yml 和 evals/regression.yml。