逻辑炼金术：科学推理与因果验证

问题

许多智能体在因果链、估算和结论表达上容易滑向过度自信：把相关当因果、只找正例、用“可能”“肯定”包装不确定性。bionic-reasoning 面向的是这类高风险推理场景，目标是让回答在证据不足时保持可检验。

工作机制

它在涉及因果判断、数值预测、假设验证时自动触发，采用两层架构。第一层是科学方法论：先构建假设，再做贝叶斯置信更新，并要求结论满足可证伪条件，例如“如果 A，则 B”或“X 导致 Y，平均效应 Z”。同时检查确认偏误、相关不等于因果、幸存者偏误。第二层是物理推理：从第一性原理出发，用约束守恒和量纲分析限制预测范围。复杂推理超过三步时，会引入同行评审式检查，发现漏洞再触发风险约束。

适用边界

它适合工程评估、数据分析、策略推演等需要谨慎判断的任务，不适合纯创作、模糊偏好讨论或需要快速口语化回答的场景。使用时仍需提供足够事实与约束；该技能降低推理偏差，但不替代实验、统计检验和业务事实核查。