假设生成Skill hypothesis-generation

---

name: 假设生成 description: “生成可测试的假设。从观察中制定，设计实验，探索竞争解释，开发预测，提出机制，用于跨领域的科学探究。”

科学假设生成

概述

假设生成是一个系统化过程，用于开发可测试的解释。从观察或初步数据中制定基于证据的假设，设计实验，探索竞争解释，并开发预测。应用此技能于跨领域的科学探究。

何时使用此技能

此技能应在以下情况下使用：

• 从观察或初步数据中开发假设
• 设计实验以测试科学问题
• 探索现象的竞争解释
• 为研究制定可测试的预测
• 进行基于文献的假设生成
• 规划跨科学领域的机理研究

工作流程

遵循此系统化过程以生成稳健的科学假设：

1. 理解现象

首先澄清需要解释的观察、问题或现象：

• 识别需要解释的核心观察或模式
• 定义现象的范围和边界
• 注意任何限制或特定背景
• 澄清已知与不确定的内容
• 识别相关科学领域

2. 进行全面的文献搜索

搜索现有科学文献，将假设建立在当前证据基础上。使用PubMed（针对生物医学主题）和通用网络搜索（针对更广泛的科学领域）：

针对生物医学主题：

• 使用WebFetch与PubMed URL访问相关文献
• 搜索最近的综述、荟萃分析和主要研究
• 寻找类似现象、相关机制或类比系统

针对所有科学领域：

• 使用WebSearch查找最近的论文、预印本和综述
• 搜索已建立的理论、机制或框架
• 识别当前理解中的差距

搜索策略：

• 从广泛搜索开始以了解全局
• 缩小到具体机制、途径或理论
• 寻找矛盾发现或未解决的争论
• 参考references/literature_search_strategies.md获取详细搜索技术

3. 合成现有证据

分析和整合文献搜索的发现：

• 总结当前对现象的理解
• 识别可能适用的已建立机制或理论
• 注意矛盾证据或替代观点
• 识别差距、限制或未回答问题
• 识别来自相关系统或领域的类比

4. 生成竞争假设

开发3-5个不同的假设，以解释现象。每个假设应：

• 提供机理解释（不仅仅是描述）
• 与其他假设可区分
• 基于文献合成的证据
• 考虑不同解释层次（分子、细胞、系统、群体等）

生成假设的策略：

• 应用来自类比系统的已知机制
• 考虑多种因果途径
• 探索不同解释尺度
• 质疑现有解释中的假设
• 以新方式组合机制

5. 评估假设质量

根据references/hypothesis_quality_criteria.md中的已建立质量标准评估每个假设：

可测试性： 假设是否可通过经验测试？ 可证伪性： 什么观察会反驳它？ 简约性： 它是否是最简单的符合证据的解释？ 解释力： 它解释了现象的多少？ 范围： 它覆盖了什么范围的观察？ 一致性： 是否与已建立原则一致？ 新颖性： 是否提供超越现有解释的新见解？

明确记录每个假设的优缺点。

6. 设计实验测试

针对每个可行假设，提出具体实验或研究来测试它。参考references/experimental_design_patterns.md获取常见方法：

实验设计元素：

• 应测量或观察什么？
• 需要什么比较或控制？
• 应使用什么方法或技术？
• 适当的样本量或统计方法是什么？
• 潜在混杂因素是什么，如何解决？

考虑多种方法：

• 实验室实验（体外、体内、计算）
• 观察性研究（横断面、纵向、病例对照）
• 临床试验（如适用）
• 自然实验或准实验设计

7. 制定可测试预测

针对每个假设，生成具体的、量化的预测：

• 陈述如果假设正确，应观察什么
• 在可能时指定效果的预期方向和大小
• 识别预测应成立的条件
• 区分竞争假设之间的预测
• 注意会证伪假设的预测

8. 呈现结构化输出

使用assets/hypothesis_output_template.md中的模板，以清晰、一致的格式呈现假设：

标准结构：

1. 背景与上下文 - 现象和文献总结
2. 竞争假设 - 列举假设及其机理解释
3. 质量评估 - 每个假设的评估
4. 实验设计 - 针对每个假设的测试提议
5. 可测试预测 - 具体的、可测量的预测
6. 关键比较 - 如何区分假设

质量标准

确保所有生成的假设满足这些标准：

• 基于证据： 基于现有文献，有引用
• 可测试： 包括具体的、可测量的预测
• 机理性： 解释如何/为什么，不仅仅是是什么
• 全面： 考虑替代解释
• 严谨： 包括测试预测的实验设计

资源

references/

• hypothesis_quality_criteria.md - 评估假设质量的框架（可测试性、可证伪性、简约性、解释力、范围、一致性）
• experimental_design_patterns.md - 跨领域的常见实验方法（随机对照试验、观察性研究、实验室实验、计算模型）
• literature_search_strategies.md - PubMed和通用科学源的有效搜索技术

assets/

• hypothesis_output_template.md - 结构化格式，用于一致呈现假设，包含所有必需部分