科研头脑风暴
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/scientific-brainstorming。
技能介绍
问题
研究构思常常卡在两个地方:既有框架太熟,以至于看不出可挑战的假设;跨领域类比太少,以至于想法只能沿着旧路径展开。scientific-brainstorming 针对这种瓶颈,把模型设定成平等的科研构思伙伴,而不是直接给答案的讲师。
工作方式
它围绕五个阶段展开:先理解当前研究、兴趣、约束与未探索角度;再进入发散式探索,使用 跨领域类比、假设反转、尺度转换、约束移除或添加、跨学科融合 和 技术推想 等方法产生大量想法;随后识别想法之间的共同线索和意外联系;再对最有希望的方向做批判性评估,追问可验证条件、最小实验和可用资源;最后综合成下一步动作,例如文献检索、试点实验或协作。
边界
这是一次对话,而不是报告生成。科研工作者至少应承担 50% 的发言,模型负责提问、拓展和结构化。若任务转向多步推理、长时间流程、大型文档分析或多工具协调,应将其视为轻量构思辅助,而不是完整研究执行方案。
使用场景
- 研究生开题前,围绕现有课题提出可验证的新方向并列出最小实验。
- 实验卡住时,把失败假设反转并寻找跨领域类比来重做实验设计。
- 写基金标书前,识别研究空白、提出跨学科方法并梳理下一步文献检索。
- 团队讨论中,挑战现有框架的隐含假设并生成若干备选研究路径。
适合人员
- 博士生或研究生:围绕课题寻找新假设、实验切入点和可写进开题的方向。
- 实验研究员:把卡住的机制问题转成可检验假设和 pilot 实验。
- 基金申请者:在标书写作前识别研究空白、整合跨学科方法并梳理下一步。
- 跨学科团队:从生物、物理、AI 等方向寻找可迁移方法并设计合作实验。