用途：本技能提供结构化的实验设计流程，帮助研究者把模糊的研究想法转化为严谨、可重现、有说服力的实验计划，适用于机器学习、自然语言处理、计算机视觉等学术研究场景。触发场景包括规划实验、设计 ablation study、选择 baseline、确定评估指标，以及回答“我应该跑哪些实验”。
核心能力：技能围绕六步流程展开：假设、变量、指标、Baseline、Ablation、计算预算。第一步将研究动机转化为可测量的假设，并拆解为子假设；第二步定义自变量、依变量与控制变量；第三步按领域惯例选择评估指标，并考虑统计显著性；第四步选择经典方法、当前 SOTA 与简单基线，强调公平比较；第五步设计四种 ablation 模式，即组件消融、超参敏感度分析、跨数据集迁移与定性分析；第六步预估 GPU 时数、内存与存储，并建议预留 1.5 至 2 倍安全系数。
使用方式：输入研究主题或论文草稿、提出的方法描述与可用计算资源，技能会引导明确研究假设、定义变量、建议评估指标与 baseline、设计 ablation 方案并预估资源，最终输出结构化实验计划文档，包含研究假设与子假设、变量定义表、评估指标与统计方法、Baseline 列表与设定、Ablation Study 设计矩阵、计算资源预估与时程规划，以及可重现性信息。
适用场景与限制：适用于需要系统化设计实验的学术研究流程，尤其是需要可重现性与充分性的论文工作。资料未提供具体安装命令、代码示例、收费方式、价格或平台支持信息；相关限制与前置条件暂未提供。