用途：当需要某个数值却无数据集、无真实参照类、无先例可查时，用费米分解把未知量写成若干小而熟悉的子量之积，逐项猜测后相乘，得到带区间的数量级估计。
主要能力：构建乘法因子链；为每个因子给出低/最佳/高猜测及其依据（已知数据、类比或合理范围）；做独立性检查，标记共享驱动因素的因子；相乘得出点估计与复合低/高区间；指出最扩大区间的主导不确定性因子；按 references/TEMPLATE.md 输出费米分解工作表。
使用方式：先精确陈述目标量及其单位，确认没有真实基率数据或参照类（若有应改用 think-reference-class-forecasting），并确认确实需要一个数字（若不需要应改用 think-issue-tree）；再写因子链、给区间与依据、做独立性检查、相乘合并、标记主导不确定性，最后输出工作表。
适用场景：大型且不熟悉的量（市场规模、总负荷、总成本、无法查证的转化数），需要数量级答案与诚实区间用于估算、合理性检查或分诊，且希望估计可被逐项审视。
限制：因子相关时误差抵消前提失效，链式估计可能不如一次谨慎猜测；对普通熟悉的量分解反而增加噪声；不得只给点估计而不给低/高区间；该方法只提供方向性、数量级帮助，不给出精确或已被证明的数字。证据为人受试研究，未经 AI 智能体验证。