experiment-failure-analysis
Systematically analyze experiment failures and optimization setbacks to identify root causes and define validation plans before abandonment decisions.
npx skills add majiayu000/claude-skill-registry --skill experiment-failure-analysis --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# Experiment Failure Analysis ## Description 系统化分析实验和优化方案失败的根本原因，避免轻易放弃方案。当测试结果不理想时，通过多层次的诊断框架深入分析问题，提出假设并设计验证实验，确保在充分论证后才做出放弃决策。 ## Activation 当出现以下情况时**必须**调用此skill： - 实验方案出现严重性能缺陷 - 优化方案的效果比原基础方案还差 - 优化方案的提升不明显或微乎其微 - 预期的改进没有实现 - 测试结果与理论预期严重不符 触发关键词： - "性能下降"、"效果不佳"、"没有提升" - "比原来还差"、"优化失败" - "结果不理想"、"没有改善" - "方案失效"、"实验失败" ## Instructions ### 核心原则 **禁止立即放弃方案**。必须经过完整的分析、假设提出、实验验证流程，并获得用户同意后才能放弃方案。 ### 分析框架 执行以下四层诊断分析： #### 1. 代码实现层面分析 首先排除实现错误： - **代码正确性检查** - 逻辑是否正确实现了设计意图 - 是否存在边界条件处理错误 - 数据结构使用是否合理 - 算法实现是否有bug - **性能实现检查** - 是否存在不必要的计算重复 - 数据访问模式是否高效 - 内存使用是否合理 - 是否存在隐藏的性能瓶颈 **输出**：明确指出代码层面的问题（如果有），或确认代码实现正确。 #### 2. 方案设计层面分析 检查设计本身的合理性： - **设计逻辑审查** - 方案的理论基础是否正确 - 设计思路是否存在逻辑漏洞 - 优化目标是否明确且可达 - 是否考虑了所有关键因素 - **适用性分析** - 方案是否适合当前问题的特征 - 问题规模是否在方案的适用范围内 - 数据特征是否符合方案的前提条件 - 是否存在方案与问题的不匹配 **输出**：评估设计的合理性，指出潜在的设计缺陷。 #### 3. 假设验证层面分析 深入检查方案的基础假设： - **识别核心假设** - 方案基于哪些关键假设 - 这些假设是显式的还是隐式的 - 假设的合理性如何 - **假设验证** - 设计小型实验验证每个假设 - 收集数据检验假设是否成立 - 量化假设与实际的偏差 - 分析假设失效的影响范围 **输出**：列出所有假设及其验证结果，明确哪些假设不成立。 #### 4. 环境和测试层面分析 排除外部因素干扰： - **测试环境检查** - 测试条件是否公平一致 - 是否存在测试偏差 - 数据集是否代表性 - 评估指标是否合理 - **对比基准检查** - 基准方案是否正确实现 - 对比是否在相同条件下进行 - 是否存在测量误差 **输出**：确认测试的有效性，排除测试问题。 ### 综合分析报告 完成四层分析后，生成结构化报告
- Description
- Activation
- Instructions
- 核心原则
- 分析框架
- 综合分析报告
- 决策建议
- 用户交互
- Output Format
- Examples
- Example 1: 性能优化方案效果不佳
- Example 2: 算法优化提升不明显
- Notes
- Version
What does the experiment-failure-analysis skill do?
Systematically analyze experiment failures and optimization setbacks to identify root causes and define validation plans before abandonment decisions.
How do I install it?
Run `npx skills add majiayu000/claude-skill-registry --skill experiment-failure-analysis --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From majiayu000/claude-skill-registry, a repository with 534 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.