mining-experiment-protocol
围绕“这组试验究竟能回答什么问题”组织方案，让每一组工况、每一个测点和每一次重复都有明确用途。
核心能力
- 按研究目的选设计：区分因素筛选、机理验证、交互作用分析和参数优化，选择相应试验安排。
- 利用有限试验资源：结合试件、设备和现场条件安排分组与执行顺序，识别可以减少的重复和不能省略的对照。
- 提前发现设计缺陷：检查批次混杂、伪重复、测量不足和不可实施的因素组合，在采集数据之前修正问题。
开始时
从已有材料确定研究问题、主要响应量、可控因素、试验对象及资源限制。已有方案优先做针对性改进；只有研究想法时，先提出适合的设计及理由。只追问会改变方案选择的信息，其余缺项以明确假设继续推进。
工作流程
- 明确研究比较、独立试验单位和主要响应量。
- 根据因素数量、交互作用、批次与资源限制选择设计；需要全因子布局时调用本地脚本。
- 将试验组合落实到测量、执行顺序和分析方法，说明设计能回答及不能回答的问题。
按需使用资源
- 使用本地工具前，阅读 参数与适用范围，再调用 scripts/generate_design.py。工具仅处理所说明的格式和能力，不代表完整任务已完成。
- 首次了解输入格式时，查看合成样例 examples/design.json；演示数据不可当作实际测量或规范参数。
- 方法选择、边界判断或复杂情形：阅读 references/methods.md。
- 需要快速组织交付内容时，复制并裁剪 assets/protocol-outline.md；这是可选起点，不是固定输出格式。
交付
给出推荐方案、关键选择理由和可执行的试验安排；需要比较方案时说明取舍。根据任务附上因素组合、测量布置或分析思路，采用用户已有格式，不固定表格数量或章节长度。
试验参数和现场实施条件应有依据。未完成的试验不写结果；涉及现场作业时，具体执行仍以适用的批准方案为准。