用途：为研究论文设计结构化、渐进式的实验计划。输入为研究想法、计划或方法描述，输出含阶段、基线、数据集、指标、消融组件、超参数网格与随机种子数的 JSON 设计。
主要能力：基于四阶段渐进框架（源自 AI-Scientist-v2）。阶段1初始实现：简单数据集、基本功能正确；阶段2基线调参：调学习率、轮数、批大小，不改架构，至少在两个数据集上测试；阶段3创新研究：探索新改进与新见解，至少在三个数据集上测试；阶段4消融研究：系统性组件分析，沿用阶段3数据集。脚本可生成基线、消融矩阵、超参数网格与指标选择，仅用标准库。
用法：运行 python ~/.claude/skills/experiment-design/scripts/design_experiments.py --plan research_plan.json --output experiment_design.json；或 python ~/.claude/skills/experiment-design/scripts/design_experiments.py --method "contrastive learning" --task classification --format markdown。阶段提示词见 ~/.claude/skills/experiment-design/references/stage-prompts.md。
限制与规则：始终从阶段1简单起步，每阶段基于上一阶段最优结果推进；多随机种子评估以保障统计显著性；每次实验运行记录至 notes.txt；为训练曲线与对比生成图表。相关技能：上游 research-planning、idea-generation；下游 experiment-code、data-analysis；另见 paper-assembly。具体效果、收费与平台支持资料暂未提供。