mining-experiment-protocol
圍繞「這組試驗究竟能回答什麼問題」組織方案，讓每一組工況、每一個測點和每一次重複都有明確用途。
核心能力
- 按研究目的選設計：區分因素篩選、機理驗證、交互作用分析和參數優化，選擇相應試驗安排。
- 利用有限試驗資源：結合試件、設備和現場條件安排分組與執行順序，識別可以減少的重複和不能省略的對照。
- 提前發現設計缺陷：檢查批次混雜、偽重複、測量不足和不可實施的因素組合，在採集數據之前修正問題。
開始時
從已有材料確定研究問題、主要響應量、可控因素、試驗對象及資源限制。已有方案優先做針對性改進；只有研究想法時，先提出適合的設計及理由。只追問會改變方案選擇的信息，其餘缺項以明確假設繼續推進。
工作流程
- 明確研究比較、獨立試驗單位和主要響應量。
- 根據因素數量、交互作用、批次與資源限制選擇設計；需要全因子佈局時調用本地腳本。
- 將試驗組合落實到測量、執行順序和分析方法，說明設計能回答及不能回答的問題。
按需使用資源
- 使用本地工具前，閱讀 參數與適用範圍，再調用 scripts/generate_design.py。工具僅處理所說明的格式和能力，不代表完整任務已完成。
- 首次了解輸入格式時，查看合成樣例 examples/design.json；演示數據不可當作實際測量或規範參數。
- 方法選擇、邊界判斷或複雜情形：閱讀 references/methods.md。
- 需要快速組織交付內容時，複製並裁剪 assets/protocol-outline.md；這是可選起點，不是固定輸出格式。
交付
給出推薦方案、關鍵選擇理由和可執行的試驗安排；需要比較方案時說明取捨。根據任務附上因素組合、測量佈置或分析思路，採用用戶已有格式，不固定表格數量或章節長度。
試驗參數和現場實施條件應有依據。未完成的試驗不寫結果；涉及現場作業時，具體執行仍以適用的批准方案為準。