实验设计

research-ops-skills 是一个轻量级 Research Operations 编排器，用于路由临床研究规划、R&D finance、市场研究以及产品/用户研究请求。可用它来分类工作流、补齐缺失输入，并基于单个 SKILL.md 生成高管风格摘要。

clinical-research 可帮助团队在提交前设计前瞻性临床研究，支持终点分类、双臂研究样本量与功效估算，以及可行性 phase-gate 评分。它包含 Python 工具、参考资料和 protocol synopsis template；同时明确将输出定位为估算结果，供临床医生、生物统计师和监管相关人员进一步审阅。

experiment-designer 可帮助 Product Management 团队设计 A/B 实验和功能实验，形成可检验的假设、指标体系、样本量规划、ICE 优先级排序、停止规则和结果解读。

ab-test-setup 是一项用于营销实验的 skill，帮助规划统计上可靠的 A/B 测试。可用于定义假设、变体、核心指标与护栏指标、样本量假设、测试周期、决策规则，以及转化实验上线前的 QA。

senior-data-scientist 是一个面向 Machine Learning 的 Claude skill，适用于 A/B test 设计、因果推理、特征工程和表格型 ML 评估。它可用于辅助样本量估算、指标选择、数据泄漏检查、SHAP 审阅以及类似 MLflow 的跟踪；其中的脚本是脚手架模板，并不是完整引擎。

brainstorm-experiments-new 帮助 Product Management 团队为新产品创意设计精益创业验证实验。它会生成 XYZ 假设，并建议低成本、低投入的测试方式，例如落地页、讲解视频、邮件营销、预售、等待名单和 concierge MVP，帮助团队在正式开发前验证需求。

brainstorm-experiments-existing 可帮助你为现有产品设计低成本实验，包括原型、假门测试、A/B 测试、技术 spike、Wizard of Oz 流程和行为调查。你可以用它来验证假设、降低风险，并决定下一步要做什么。这份 brainstorm-experiments-existing 指南面向实用型产品验证与 Workflow Automation 支持而设计。

ab-test-analysis 帮助你以统计学严谨性评估 A/B 测试结果，包括样本量校验、置信区间、显著性检验，以及上线/延长/停止建议。可用于实验复盘、split test 解读和 Data Analysis 工作流中的决策支持。

ab-test-store-listing 可帮助你规划并执行 App Store 商品页测试，提升转化率。可用于结合 Apple Product Page Optimization 评估图标、截图和预览视频，理解 PPO 的限制，并在开始前准备好合适的 App ID、流量和测试假设。

scientific-brainstorming 是一款面向开放式科学思考的研究创意发想技能。可用它来探索跨学科联系、挑战既有假设、识别研究空白，并在你还没有明确数据集或最终假设之前，梳理早期项目想法。