用途：reference-class-forecasting 用于在预测不确定事件时采用外部视角，先确定参照类并用该类的历史统计频率作为基线概率，而不是仅凭个案叙事判断。其一句话概括是：找出"像这样的事"通常发生什么，从这里起步，只有凭借证据才调整。
主要能力（以菜单工作流呈现）：一、Find My Base Rate，引导确定正确的参照类，提供历史频率搜索策略并验证锚点是否合理，资料中给出无数据时的默认锚点（全新创新 10-20%、成熟行业 50%、受监管且成熟流程 70-80%）。二、测试"这次不一样"，用相似案例匹配、反转测试与举证责任计算，检验独特性主张是否成立，并按偏离基线幅度给出所需证据强度。三、计算漏斗基线率，当不存在单一基线率时，把事件拆解为多阶段序列并用乘积法则计算复合概率，资料举例：创业成功（种子轮→A 轮→盈利→退出）、药物审批、项目交付。四、验证参照类，提供同质性、样本量（建议至少 20-30 例）、相关性（如超过 10 年的数据可能过时）等测试与检查清单，并给出高/中/低置信度。五、学习框架，附外部视角原则、参照类选择指南、常见陷阱等资源文件。
使用方式：以交互菜单选择工作流，依次回答预测对象、参照类范围、历史数据搜索等问题；随附原则包括基线优先、默认视个案为典型、大幅偏离基线需强证据、参照类要具体且数据充足、抵制叙事偏好。它可与其他技能配合：前期用 estimation-fermi 从组成部分估算基线，之后用 bayesian-reasoning-calibration 结合新证据更新，并用 scout-mindset-bias-check 检查是否挑选了有利的参照类。
限制：资料未提供具体安装命令、价格与平台信息；默认锚点、样本量与时间衰减阈值均为该技能资料给出的建议，不是通用事实。资料未说明实际数据源覆盖范围与准确性，使用时应自行核查历史统计。