用途：回答“该借什么样的债”，而非“借多少”。核心是匹配——债务现金流应随被融资资产的现金流变动，从而降低结构性违约风险、提升债务容量与公司价值。
主要能力：产出 capital-structure.json 中的 debt_design 区块及 capital-structure.md 对应段落，包含目标久期、币种组合、固定/浮动比例、特殊条款、可转换与否、回归表、现有债务画像、缺口表与闭合工具。
使用方式：所有数字来自同一引擎 python3 <skills>/debt-design/resources/macrosensitivity.py <subcommand> --in payload.json，子命令有 regress、duration、debt-profile、selftest，均从 stdin 或 --in FILE 读 JSON 并输出 JSON，加 --example 可看载荷结构。流程为：刻画资产现金流（直觉、项目久期或宏观回归）、翻译为债务特征、叠加税盾、评级与监管、债券人担忧与信息不对称、对照现有债务补缺口、再把改善的匹配回馈到最优债务比率。
限制：需 G3_financials 通过、计算项目久期时需 G4_discount_rate 通过；不适用于银行、保险等金融服务机构。回归斜率 |t| 低于 2 或观测少于约十年不得驱动融资决策，业务结构发生重大变化时历史回归失效，应改用自下而上方法。浮动比例由判断给出，无公式，仅作起点。资料未提供收费、价格与平台信息。