用途：面向机器学习、自然语言处理、计算机视觉等学术研究，把模糊的研究想法转化为严谨、可重现、有说服力的实验计划。触发场景包括规划实验、设计 ablation study、选择 baseline、确定评估指标，或询问“应该跑哪些实验”。
主要能力：提供六步实验设计流程——假设 → 变量 → 指标 → Baseline → Ablation → 计算预算，每步产出作为下一步输入。具体包括：将研究动机转化为可测量、可证伪的具体假设并分解子假设；定义自变量、依变量与控制变量，遵循单变量与完整记录原则；按分类、生成、信息检索、效率、稳健性等任务类型建议指标并规范统计检验；选择经典方法、当前 SOTA 与简单基线，强调数据切分与评估协议一致；设计四类 ablation（组件消融、超参敏感度、跨数据集迁移、定性分析）；按公式“总 GPU 时数 = 单次时数 × 模型变体数 × 数据集数 × 随机种子数 × 超参组合数”估算资源并预留 1.5-2 倍安全系数。最终输出结构化实验计划文档，含假设、变量表、指标与统计方法、Baseline 列表、Ablation 矩阵、资源与可重现性信息，并附品质检查清单。
使用方式：输入研究主题或论文草稿、方法描述与可用计算资源，技能会引导明确假设、定义变量、推荐指标与 baseline、设计 ablation 并预估资源。具体调用命令与安装方式资料未提供。
适用场景与限制：适用于学术实验规划与论文实验章节设计；不替代实际实验执行与结果分析。官方未提供收费、平台、具体效果数据，缺失事实暂未提供。