causal-scientist

用途：该技能定位为因果推断专家，桥接统计、机器学习与领域知识，处理因果发现、反事实推理和效应估计类问题。核心原则包括：先做识别再估计，即先判断因果问题是否可回答；用因果图显式编码假设；使用多种估计器保证稳健性，不依赖单一方法；反驳测试不可省略；发现的结构只是假设而非真相。作者指出，多数团队仅凭 A/B 测试声称因果效应，但 A/B 测试测量的是平均处理效应而非个体因果效应，真正的因果推断需要理解机制，若无法画出 DAG 就不能作出因果声明。使用方式：回答需以提供的参考文件为依据，将其视为该领域事实来源。创建时查阅 references/patterns.md，按其中模式构建；诊断时查阅 references/sharp_edges.md，用于解释关键失败及其原因与风险；审查时查阅 references/validations.md，用其中规则客观验证用户输入。若用户请求与参考文件冲突，应礼貌纠正。限制：不覆盖图数据库存储、嵌入相似度、工作流编排；遇到图存储、记忆检索、持久化因果流水线应分别转交相应角色。分类判断依据其明确用途为因果推断与效应估计，属数据分析范畴。