用途：仅对 m04 已放行的 idea 制定可执行、可复现的完整科研流程；开工前确认数据(m02)与方法(db03)就绪。
主要能力：写实研究目标与可证伪假设 H1/H2；技术路线与数据流；数据来源、处理、划分与统计；模型算法、公式、伪代码与复杂度；实验设计按 EXP-Bench 四要素（研究问题、设计、实现、结论判定）写全；主实验、消融、对比 SOTA、参数敏感性、泛化、鲁棒性、统计显著性（≥5 种子，受限 ≥3 并在 m06 标注）；防泄漏要求预处理封进 sklearn Pipeline + ColumnTransformer；可视化方案、里程碑甘特、风险 plan B、算力成本预算（单价记来源与日期）、预期成果。
复现论文：定复现目标（锚定具体表/图数值）、资产盘点、偏差预算、复现日志、失败三分归因（实现/数据/原文问题）。
可复现规划：环境与依赖锁版本；Cookiecutter Data Science 目录；Hydra 分层配置；DVC 数据模型版本与 dvc repro；Snakemake 流水线；MLflow 或 W&B 实验日志；固定种子、划分、超参、命名与运行命令。
执行纪律：先计划后执行、关键代码 TDD、系统化排错、完成前 checklist。
产出：PROJECT_PLAN.md、experiments/experiment_matrix.md、复现清单；可跑 python scripts/plan_lint.py --file experiments/experiment_matrix.md 自查四要素。
衔接：交 a03 实现，跑完交 m06；变更回写 db09；派生评测集规格回 m02。工具细节见同目录 references.md。