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。
主要能力：按四阶段渐进框架组织实验。阶段1初始实现，聚焦基本可运行实现与简单数据集，完成标准是至少一个无缺陷实现；阶段2基线调参，调学习率、轮数、批大小等超参数，不改模型架构，至少在两个数据集上测试，完成标准是训练曲线稳定并优于阶段1；阶段3创意研究，探索新颖改进与洞见，至少在三个数据集上测试，完成标准是展示出新颖改进；阶段4消融研究，做系统性组件分析，每个消融测试不同方面，使用与阶段3相同的数据集。脚本可生成基线、消融矩阵、超参数网格与指标选择，仅依赖标准库。
使用方式：脚本位于 ~/.claude/skills/experiment-design/scripts/design_experiments.py。示例：python ~/.claude/skills/experiment-design/scripts/design_experiments.py --plan research_plan.json --output experiment_design.json；python ~/.claude/skills/experiment-design/scripts/design_experiments.py --method "contrastive learning" --task classification --format markdown。阶段提示词参考 ~/.claude/skills/experiment-design/references/stage-prompts.md。输出为 JSON，含 stages、baselines、datasets、metrics、ablation_components、hyperparameter_grid、num_seeds 等字段。
规则与限制：始终从简单阶段开始；每阶段基于上一阶段最佳结果；多随机种子评估以支持统计显著性；每次实验记录到 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。资料未提供收费、平台支持范围与具体效果数据。