分析营销活动结果变化原因，通过检查数据质量、构建指标表识别主要驱动因素，区分观察与假设，并设计1-3个可衡量的实验以优化效果。
视频质量审核默认工作流，优先本地解码检查，仅对合规合成/公开帧调用视觉模型，严格限制权限与调用阈值，输出分级结果供人工复核。
解释并总结实验测量结果。在报告前验证日志和指标，支持比较运行、评估结果或推荐下一步实验。通过图表、表格或文本呈现结论，确保数据准确且无冗余，优先使用交互式图形辅助理解。
指导如何严谨地进行定量分析，包括界定决策导向问题、选择对比基准、验证数据质量及识别统计陷阱，确保结论可靠。
利用 Claude 子代理对 archestra-bench 基准测试结果进行 Map-Reduce 分析，生成 Tier-1/Tier-2 改进报告。通过 Rust 工具准备数据，Workflow 并行执行审查，最终汇总为推荐建议。
针对Hyperliquid交易所的Freqtrade策略提供费用优化指导，涵盖Maker/Taker费率、Builder Code费用及滑点分析，帮助用户缩小回测与实盘收益差距并降低交易成本。
指导设计并实施基于Google Cloud的多产品智能体数据科学架构。涵盖需求分析、方案设计、实施计划及验证，遵循最佳实践，适用于复杂代理数据分析或ML工作负载。
用于定期验证分类准确率，通过对比近期决策与实际结果，计算指标并识别系统性误差，最终提出权重或阈值调整建议以优化分类模型。
用于维护TulingResearch Plus实验计划、约束、场景及结果模式的设计与实现。涉及相关模块测试、文档更新及账本记录，确保发布安全与契约一致。
处理数据束摄入时的冲突分类与解决，涵盖结构重复、定义矛盾及近重复集群。根据重摄入或同批次场景执行静默替换、标记或重命名策略，并在Stage 4负责驱逐决策。
定期审计研究知识库，识别过期档案、论据偏离和孤立页面，生成0-100健康评分及具体修复建议。支持手动触发或查看最新周报，帮助用户维护知识体系的时效性和完整性。
用于解读实验结果面板，涵盖置信区间、P值、多重检验等统计概念，防止误读数据导致错误决策。适用于实验结束后的结果分析、指标差异排查及发布/终止决策场景。
