用途：Setup Experiment 是一套交互式端到端实验工作流技能。激活后先按固定问候语致谢，并逐行列出可用工作流，最后询问用户需求。它用于搭建、创建或配置实验，跨环境测试智能体行为，比较不同配置下的表现，以及用任务、环境和信号构建实验。触发关键词包括设置实验、运行实验、比较配置表现等。
前置条件：需安装 tpc CLI（tpc --version），缺失时用 curl -fsSL https://cli.promptingco.com/install.sh | bash 安装；需认证 tpc auth whoami，必要时 tpc auth login；需设置活跃产品：tpc product list → tpc product switch <product-slug>；也可 tpc org switch <org-slug>。
主要流程：选定产品后分两条路径。Path A 运行已有内容：用 tpc sim task list 和 tpc sim env list 选择任务与环境，用 tpc sim experiment create 创建实验并挂载，确认 N×M 次运行与默认信号（通过/失败、时长、成本），再用 tpc sim experiment run <id> 运行并观察。Path B 新建：提取产品上下文与文档，建议 5–8 个候选任务，按 task.json 模式（name、description、category、prompt、taskType、timeLimitMs、goals 等）创建任务，用 tpc product secret set 配置凭据，选择模板（排行榜、有文档对比无文档、A/B、自定义）自动创建环境，再创建并运行实验。
任务与环境约束：每个任务在独立全新沙箱运行、无共享状态，提示词须自包含且仅执行一次，不支持多轮追问；仅无头 Linux、无浏览器 GUI；智能体退出后后台进程被杀；单次运行上限 60 分钟，初始化 zip ≤500 MB，初始化命令 ≤10k 字符、≤50 条，CPU 1–4、内存 1–8 GB、磁盘 1–10 GB，GPU 会路由到 Modal；密钥为环境级作用域，script_judge 评估时需要组织功能开关并通过安全审核。
另有 Usability Benchmark Design 与 Cross-Product Benchmark 两套更严谨的工作流，分别用于客户交付级基准和跨产品同用例对比。Path B 从产品文档生成任务只能测功能清单，无法发现产品无解的高频问题，正式交付建议改用基准设计工作流。资料未提供具体定价与效果数据。