用途：把模糊的行业问题转化为若干可辩护的研发方案方向，并附带评估计划。它强调方案需有可信先例，并区分“已有证据”与“迁移假设”。
主要能力：
- 问题框定：提取业务过程、目标用户、痛点、可用数据、运营约束（延迟、可解释性、合规、成本、人工审核、集成）与成功标准，按“For [stakeholder/process], improve [decision/workflow/outcome] by using [available signals/interventions], subject to [constraints], measured by [metrics].”格式书写；信息缺失则明示，不臆造。
- 按问题形态检索先例：如降人工审核→分诊、人机协同、主动学习；可疑行为→异常检测、图欺诈检测、弱监督；理解客户意图→表示学习、检索、分群、因果增益；文档自动化→文档AI、信息抽取、检索增强生成、验证流程。优先同行评审与arXiv实验论文、基准/数据集论文、系统与技术报告、有具体指标的行业案例，综述仅作地图。
- 先例表：记录来源、匹配问题、方法、证据、场景、可迁移性、注意事项，并说明迁移需满足的条件。
- 生成3–5个候选方案，每个含方法族、核心机制、支撑来源、所需数据、预期收益、运营风险、评估策略、最小试点版本，并分为近期试点、战略研发赌注、暂不推荐。
- 为最优候选撰写方法概念，含模型/算法组件、训练或拟合流程、阈值或人机协同工作流、可解释或审计层、试点部署边界。
- 实施前定义评估：离线评估、回测或重放、基线对比、人工评估、消融、公平性/鲁棒性/隐私/合规检查，每项指标须对应支撑的决策。
- 置信度分级：高（多独立来源、场景相似、评估路径清晰、数据可行）、中（方法先例好但迁移依赖未验证假设）、低（想法合理但证据有限或可行性不确定）。不得把文献支撑的想法当作在用户场景中已被证明。
使用方式：输出按固定结构组织——问题框定、先例与文献表、候选方案、推荐方向、方法概念草案、评估计划、试点前开放问题、下一步阅读来源。
适用场景：行业或研发问题头脑风暴、内部提案方法章节草稿、以论文/案例/技术报告为依据的方案论证、比较ML/优化/LLM/规则/工作流/数据产品路径、判断证据是否足以支撑试点。
限制：若只需研究地图，应先用literature-triangulation；若已有具体方法需实验，应使用experiment-design或pilot-and-evaluation-design。质保要求：引用具体来源或明确说明尚需检索；区分已被证明的先例与迁移假设；将方法与运营约束挂钩；包含基线与评估标准；当瓶颈在数据、流程、激励或治理时，不要假装模型就是解决方案。
安装、命令、定价与平台信息：资料未提供。