前言¶

设计实验方案时，最容易拖进度的不是实验流程，而是统计部分：对照组怎么设、样本量取多少、功效够不够、该用哪种检验。这些决定如果靠感觉拍，方案写完还得回头改。实验方案设计助手就是针对这一环节的 Skill，把对照组设置、样本量计算和统计方法选择收敛成一套固定流程。

这是什么¶

实验方案设计助手（@user_bda87ea5/experiment-design-assistant-james）是 SkillHub 上的社区来源 Skill，版本 3.0.0，分类 professional，由 user_bda87ea5 发布维护。它解决的问题是：用户需要设计实验方案、设置对照组、计算样本量、选择统计方法时，给出有依据的建议，而不是让模型自由发挥。

标签 requires_api_key=false 说明它不需要额外的密钥配置，装好即可用。

核心功能¶

功能以官方简介为准，覆盖四类需求：

1、实验方案设计：给出完整的方案结构建议。
2、对照组设置：确定对照组的类型与配对方式。
3、样本量计算：结合功效分析反推所需的样本量。
4、统计方法选择：按实验设计匹配合适的检验方法。

支撑这些判断的内置材料有三套：Cohen 效应量标准，用作效应大小的通用参照；4 种实验设计类型的决策树，用于按设计类型选择方案；6 种检验类型的样本量计算与功效分析。这三套规则让输出有固定依据，而不是每次现编。

安装与启用¶

需要先说明：本次编写时，官方页面 https://www.skillhub.cn/skills/user_bda87ea5/experiment-design-assistant-james 和接口地址 https://api.skillhub.cn/user_bda87ea5/experiment-design-assistant-james 都打不开，因此安装命令和配置字段没能核实。下面只列出已确认的标识信息：

坐标：@user_bda87ea5/experiment-design-assistant-james
版本：3.0.0
来源：community
分类：professional
标签：requires_api_key=false

该 Skill 基于通用 SKILL.md 格式。由于页面未能访问，本文不给出未经验证的安装命令，实际安装步骤请以 SkillHub 页面上的说明为准。

典型用法¶

官方简介给出了它的触发条件，可以直接当作使用约定：

当用户需要设计实验方案、设置对照组、计算样本量、选择统计方法时使用。

也就是说，遇到这四类需求时直接提出来即可：说明实验目的、涉及的变量和预期的效应量，让它给出对照组方案与样本量建议；如果不确定该用哪种检验，也可以让它按设计类型推荐。

适用场景与注意¶

适合的场景：需要快速起草实验方案、比较不同对照组设置、估算样本量，或者对统计细节不熟、希望有固定标准可依的开发者和研究人员。

需要注意的地方：

1、它是社区来源，页面显示安装数为 0，说明目前实际使用的人很少，输出的结论需要自己验证，不能直接当成定论。
2、样本量计算依赖所选的效应量标准和检验类型。输入的效应量或标准偏差不准，算出来的样本量也没有意义。
3、功效分析通常需要显著性水平、效应量、功效三项参数，缺一项就算不了。资料里没有说明它的默认取值，用之前先确认这几项怎么给。
4、决策树只覆盖 4 种设计类型和 6 种检验类型，超出范围的设计要自己补充方法。

结尾¶

这个 Skill 的价值在于把实验方案里最容易出错的统计环节固化成标准流程，省下查表和反复试算的时间。如果你正在设计实验，可以从下面的地址查看详情。

官方地址：https://api.skillhub.cn/user_bda87ea5/experiment-design-assistant-james