给「研究显示」「NN% 有效率」「人人在用」这类论断装一个 BS 检测器。
A bullshit detector for "studies show…", "NN% effective", and "everyone is using…" claims.
它能识别那些"听起来很有道理，其实是统计陷阱"的论断：
核心理念：不只揭穿，也确认。每份报告都有一个绿色调的「确定有效的场景」区段， 列出经过严谨证据支持的有效场景，避免读者陷入"什么都没用"的虚无主义。
"REDUCE-IT 试验显示鱼油降低 22% 心血管风险！"
检测：8 项陷阱。相对风险夸大（ARR=4.8% · NNT=21）、 软硬终点偷换、人群泛化错误、剂量混淆。
报告同时确认：高危心血管病 + 高甘油三酯 + 处方 4g 纯 EPA 是被 RCT 支持的；重度高甘油三酯血症、孕期 DHA、严格素食者也有明确证据。
"B 族提神抗疲劳！预防心脑血管！5000% RDA 高效！"
检测：7 项陷阱。HOPE-2 / VITATOPS / SEARCH 等 N>5 万 RCT 显示心血管事件 ARR≈0；客观硬终点 5/5 不显著。 B6 长期 >200mg/天可致 周围神经病变。
但 B12 缺乏症 / 孕期叶酸 / 严格素食者 / 酗酒急救 的补充有公共卫生级证据支持。
看到任何"研究显示…"类结论，按顺序问 5 个问题，9 成营销话术会自动崩塌：
git clone https://github.com/Faust-Donf/universal-pitfall-detector.git cd universal-pitfall-detector pip install -r requirements.txt python examples/analyze_fish_oil.py python examples/analyze_vitamin_b.py python examples/analyze_claude_code_bubble.py
把整个目录复制到 ~/.claude/skills/universal-pitfall-detector/，
重启 Claude Code，就可以直接说：
"用统计陷阱 skill 分析下『红酒每天一杯有益健康吗』"