用途：为产品功能、UI 改动、文案、定价与引导步骤设计可产生可信结论的 A/B 测试，而非仅看方向性信号。
主要能力：生成完整测试计划，含方向性假设、单一主指标与最多两个护栏指标、最小可检测效应（MDE）、样本量估算、测试时长、流量分配、排除人群、回滚触发条件，以及 ship/iterate/reject/inconclusive 四类结果解读指南。提供假设模板与常见场景的样本量参考表，并提示用 Evan Miller 计算器或 Statsig 获取精确值。
使用方式：需提供被测对象、假设、主指标、基线率与 MDE、每日合格用户数。缺失项会以“（假设，待确认）”标注并在末尾列出；仅当核心主题缺失时才先提问。时长按所需样本÷（日流量×曝光比例）估算，最短 2 周、最长 4 周；流量过低（如低于 1000 用户/天）时建议改用定性方法。
限制与注意：不建议在达到计划样本量前查看结果，以防 p 值操纵；多变量测试需处理多重比较问题（Bonferroni 校正或贝叶斯方法）；不得无护栏指标、不得在单一变体中测试多个独立改动、不得用点击或停留时长等代理指标替代收入或留存目标。附带参考文件与模板，具体内容暂未提供。