用途：帮助用户设计统计有效、可执行的 A/B 测试与实验，也用于搭建持续性的增长实验项目。开始前先读取 .agents/product-marketing.md（或 .claude/product-marketing.md、旧版 product-marketing-context.md）作为产品营销背景，仅追问未覆盖的信息。
主要能力：提供假设框架（Because…we believe…will cause…for…，以指标验证）、测试类型区分（A/B、A/B/n、MVT、Split URL）、样本量速查（如基线 3% 检测 10% 提升约 47k/组；基线 10% 检测 20% 提升约 3k/组）与 Evan Miller、Optimizely 计算器参考；指标分为主指标、次要指标与护栏指标；变体设计覆盖文案、视觉、CTA 与内容；流量分配支持 50/50、保守与爬坡策略。
使用方式：按假设—单变量—预定样本量—测量的原则执行；实施可选客户端（PostHog、Optimizely、VWO，可能闪烁）或服务端（PostHog、LaunchDarkly、Split，需开发）；上线前核对假设、主指标、样本量、实现、追踪与 QA；测试中监控技术问题与分段质量，不偷看结果提前停止。
分析与项目化：以 95% 置信度（p<0.05）判断显著性，按样本量、置信区间、效应量、次要指标、护栏与分段逐项检查；结果分为显著胜出、显著失败、无差异、信号混杂四种结论并记录文档。增长项目循环为生成假设、ICE 打分、设计运行、分析、沉淀 playbook 再重复；建议每月 4-8 个实验、胜率 20-30%、单个测试 2-4 周、积压 20+，并给出周/双周/月/季度节奏。
限制：未提供具体定价、平台支持范围、安装命令或数据导出细节；样本量与工具信息为资料所列参考，实际效果因场景而异。