实验读出一页

实验结束后，结论散落在各处

每次 A/B 实验或灰度放量结束时，实验信息通常散落在笔记、截图和聊天记录里。假设写在 Jira 或飞书文档中，指标结果在数据看板里截图，讨论结论散落在群聊中，而下一步决策往往还没定下来。当需要向团队或上级同步时，你得从头翻一遍所有来源，手动拼凑成一页能看懂的东西。

experiment-readout 就是为了解决这个问题。它把散落在各处的实验信息收成一份结构化的 Markdown 文档，专门用于内部读出。

核心能力与关键步骤

事后整理，不做实时干预。 这个技能的工作方式分三个步骤：

1. 澄清上下文。 技能会主动索要实验名称与窗口、假设原文、指标表（含样本量和统计结果）、异常事件和决策语境。

1. 严格按规则整理。 关键约束是：绝不编造统计显著性。如果用户没给 p 值或置信区间，结果只写方向与幅度，并标注 统计显著性: 待确认。样本量不足时结论降级为方向性观察。指标数值只使用用户提供的数字。

1. 输出结构化页面。 最终产物包含实验背景与假设、指标结果表、结论（含不确定性）、下一步决策选项和待确认事项。

适用边界

这个技能不做的事同样重要：

• 不做灰度放量期的实时盯盘，那是 canary-watchlist 的领域。
• 不做用户反馈主题聚类，那属于 beta-feedback-synth。
• 不连接实验平台或 BI 工具自动取数，所有指标数值由用户提供。
• 不重算 p 值、置信区间或显著性，不做因果推断报告。
• 下一步决策给选项但由人拍板，数据不足时只给「待确认后建议」。

结论质量取决于你提供的指标与统计信息。如果缺样本量或显著性数据，输出只能是方向性观察。