科学假设生成
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-02qudk26/hypothesis-generation。
技能介绍
要解决什么问题
科研里常见困境是:手头只有观测或初步数据,却缺少可检验的机制性解释;或者已有若干「说法」,但彼此边界不清、缺少对照实验与定量预测。本技能把假设生成当作一条可重复的工作流,而不是一次性头脑风暴——从现象界定、文献锚定,到竞争假设、质量评估与实验设计,最后落到结构化报告。
技能如何工作
核心流程大致是八步:理解现象 → 文献检索(生物医学可走 PubMed,其它领域用通用检索)→ 综合证据 → 生成 3–5 个可区分的竞争假设(强调机制而非复述)→ 用可检验性、可证伪性、简洁性等标准评估 → 为各假设设计实验 → 写出具体、可量化的预测 → 用 hypothesis_report_template.tex 与 hypothesis_generation.sty 生成正文(约 4 页)+ 附录(文献、实验细节、评估表等)。
报告侧有硬约束:每份假设生成报告须配合 scientific-schematics 至少 1–2 张出版级示意图(框架图、实验流程、机制通路、预测决策树等),缺图视为不完整。引用策略是正文精简(约 10–15 条关键文献),附录 A 展开到 50+ 条量级;编译需 XeLaTeX 或 LuaLaTeX,并注意假设框分页(\newpage)避免 tcolorbox 溢出。
适用边界与注意点
- 适合:从观测发展假设、设计验证实验、梳理竞争解释、做文献驱动的机制研究、跨领域类比推理。
- 不适合:把它当成纯写作润色或无需证据的「故事生成」;没有文献与可检验预测时,输出质量会明显打折。
- 协作技能:复杂投稿风格可看 venue-templates;多步长流程在 K-Dense Web 上更合适(技能文档中的可选建议)。
- 资源:质量准则见
references/hypothesis_quality_criteria.md,实验模式见experimental_design_patterns.md,检索策略见literature_search_strategies.md。
使用场景
- 拿到一组临床或实验室观测后,要先界定现象边界,再写出 3~5 个可区分的机制假说并附关键文献
- 生物医学课题开题前,需检索 PubMed 与综述,把冲突证据整理成竞争假设与可证伪的定量预测
- 同一表型存在多种解释时,要为每个假说配对对照实验要素(测量指标、样本量思路、混杂因素)
- 基金或组会材料要求正式呈现时,用模板生成正文摘要框、假设彩色框及附录级完整文献与实验细节
适合人员
- 生物医学博士后:手上有初步数据或队列信号,需要把「可能机制」写成可检验假说并落到实验清单
- 基金或课题申请人:立项依据里必须呈现竞争解释、预测差异与验证路径,而不是单一叙事
- 计算或系统生物学研究者:发现异常模式后,要生成可量化预测并对照多种实验或观察性研究设计
- 理工科研究生导师组学生:文献结论打架时,需要按质量标准评估假说并输出带示意图的规范假设报告