用途：检验一个研究结论是否经得起“你没有做出的选择”的考验。单一规格只是从未观察到的分布中抽取的一次结果，该技能通过枚举分析分叉并运行规格网格来测量这种脆弱性。
主要能力：先枚举分叉（测量定义、样本筛选、控制集、聚类层级、加权、函数形式、缩尾等），再运行网格，每个单元格一次拟合，记录分叉坐标、点估计、标准误、N 与收敛状态；报告规格曲线、同号比例、显著比例、哪个分叉驱动离散度，以及基线在自身分布中的百分位；对识别假设用可计算统计量（如 E-value、Oster δ）做边界；运行安慰剂与证伪检验；最后写入规格搜索台账。
使用方式：需先有可运行的基线规格，并用文字陈述估计目标；设定分叉预算（--forks，默认 64）。先运行 --dry-run 打印网格规模与预计运行时间。网格规模是各选择项数的乘积，增长很快。
适用场景：实证研究中需要评估结果对分析者选择敏感性的场合。
限制：描述性曲线不是检验，若需对整个曲线做推断，应使用规格曲线分析的联合置换检验。部分因果识别设计的统计量行被有意留空，需从领域权威来源补充并审核。每个统计量须标注“可在此执行”或“仅描述并引用”。分叉若改变估计目标，不能简单平均。反模式包括：跑到出现有趣结果为止、只报告一致规格、把宽曲线当失败、添加无人会辩护的分叉。参考文件：references/sensitivity-statistics.md、references/fork-catalog.md。相关：verification-ladder.md、/simulation-study、/preregister。