用途：该技能提供一套系统化的科研批判性评估流程，用于判断科学主张的严谨程度，覆盖方法学、实验设计、统计效度、偏倚、混杂与证据质量。
主要能力：一是方法学批判，评估研究设计是否匹配研究问题、能否支持因果结论，并分析内部效度、外部效度、构念效度与统计结论效度，检查随机化、分配隐藏、盲法、对照条件与测量质量。二是偏倚识别，涵盖研究者认知偏倚（如确认偏倚、HARKing、发表偏倚、选择性报告）、选择偏倚、测量偏倚、分析偏倚（如 p-hacking、结局替换、亚组钓鱼）以及混杂因素。三是统计分析评估，检查样本量与检验效能、统计检验适用性、多重比较校正、p 值解释、效应量与置信区间、缺失数据处理、回归与建模问题。四是证据质量评估，按研究设计层级排序，并结合 GRADE 降级/升级因素与 Cochrane ROB 等偏倚风险评估工具，考察证据一致性、间接性、精确性与发表偏倚。五是逻辑谬误识别，如相关当因果、事后归因、以偏概全、诉诸权威、基础率忽视、德州神枪手谬误等。六是研究设计指导，帮助细化研究问题、选择设计、制定偏倚最小化策略、样本规划、测量策略与分析计划，并强调预注册与 CONSORT、STROBE、PRISMA 等报告规范。七是主张评估，判断结论是否与数据匹配、置信度是否与证据强度相称、是否存在过度外推。
使用方式：在评审论文、设计研究、解读冲突证据或撰写系统综述时调用该技能，按上述框架逐项检查，并给出具体、可操作、与问题严重程度相称的反馈。
适用场景：科研论文评审、系统综述与元分析、临床试验结果解读、媒体报道中的研究评估、研究方案设计。
限制：资料未提供具体安装命令、平台支持、收费方式或运行环境要求；该技能提供的是评估框架与检查清单，不替代领域专家判断，也不保证结论正确。