用途：在发信前对一批外发假设做评分和排序，输出启动队列（先做3个、等待、淘汰及原因），让“有没有效果”的争论在发送前就有一个约定好的数字。
主要能力：
- 停止过滤（Gate）：G1名单可建（≥300家带该触发条件的公司且有明确来源）；G2触发可验证；G3有证据（案例或数字）；G4决策者可在该渠道触达。邮箱还需检查SPF/DKIM/DMARC、进箱率、邮箱预热≥3周、退信率<3%。任一FAIL给出修复动作与负责人。
- 改写为标准格式：对[ICP]触发[T]，在渠道[C]提供[O]，300个联系人在3周内将产生至少[N]个回复。电话渠道默认N为4–5，LinkedIn为15–20（N是下限而非预测）。
- 渠道容量计算：LinkedIn每账号约20个邀请/天，300联系人≈15个工作日；邮箱3个邮箱×30封/天=90封/天，3步序列约900封≈10个工作日。据此给出本轮能放多少个测试及各自停止日期。
- 六因子评分（0/1/3/5，权重）：证据强度0.25、痛点锐度0.25、触发非显而易见性0.20、细分规模0.10、数据收集成本0.10、验证速度0.10。总分范围0.0–5.0。证据或痛点为0直接移出队列；总分最高的三个进入工作，不设阈值。
- 输出队列表、启动计划与日志骨架（含联系人、发送、打开、回复、会议、三句原话异议、结论等空格列），结论仅为scale／改一个变量／关闭。
- 组合80/20：两个假设确认有会议后，80%配额给已验证的，20%留给一个活动测试，直至300联系人。
- 失败诊断四轴：技术、目标、报价、文案，按顺序检查。
使用方式：准备假设列表（可为hypo-generator矩阵、工作坊产出或原始文本），尽量含ICP、触发、报价、渠道、证据、名单来源；缺失字段本身即是发现，不补造。可运行 python3 scripts/score.py hypotheses.json 计算并排序，输入格式与硬性零规则见脚本头部。
适用场景：B2B外发测试的启动前评估与排期。
限制：评分主观，仅决定启动顺序；300联系人为最小测试量，正面反馈从1000起才可读；基础指标是回复率，但假设以会议胜出；精确启动三个，第四个会分散注意力；触发条件会过期（招聘约30天、融资约90天）；不得编造证据或名单来源；事先确定谁决定关闭测试。