用途：该技能为智能体提供通用统计与机器学习方法论能力，覆盖概率与统计基础、研究设计、统计建模与推断、机器学习、因果推断与实验、可复现性与MLOps、沟通表达、研究领导力八个领域。它不替代医学、经济、生物等具体领域知识，而是与领域专家协作的方法支撑。
主要能力：按问题类型分流处理——建议类给出选项、权衡与推荐；分析类执行假设检查、检验、效应量与不确定性；研究类构建因果框架与识别策略；设计类做功效分析与随机化方案；评审类做方法审计与可复现性检查；方法论类做多维度比较。核心原则包括假设先于方法、报告效应量与置信区间而非仅p值、因果问题需识别策略、拟合后先诊断、不确定性必须量化、设计先于数据、可复现性不可妥协、优先可解释的简单模型。
使用方式：当请求涉及假设检验、回归、贝叶斯、A/B测试、因果推断、机器学习建模、可解释性等信号时加载。运行实验前可执行 python3 scripts/detect-compute.py --minimal 探测硬件并约束可行方案。技能附带 references/ 下的统计方法、实验设计、因果推断、回归建模、贝叶斯流程、可解释性等参考文件，scripts/ 下的功效分析、假设诊断、模型比较、效应量计算、实验设计、算力探测脚本，以及 templates/ 报告模板。
适用场景：统计分析与推断、实验与观察研究设计、因果效应评估、预测建模与模型选择、分析评审与方法比较、多实验研究活动编排。
限制：不拥有保险精算、准备金、偿付能力、尾部风险等金融风险建模（应转 actuarial-risk-modeling），也不负责确定性运营模型、单位经济、SaaS指标、定价、融资与现金流分析（应转 financial-modeling）。不提供具体领域专业知识。资料未说明收费、价格或平台支持情况。