学习科研 55.5k 仓库 Star
Hypothesis Generation
把观察变成可以检验的问题
Hypothesis Generation 是帮助设计科学研究问题的 Skill。它先把观察和解释分开,界定资料范围,再从不同角度提出候选假设和竞争解释,为每项写出能观察到的预测及反证条件。最后把问题落实到变量、测量和研究计划,避免先决定结论,再寻找支持自己的证据。
你需要准备:研究问题、已有观察、数据和资源约束
一桉AI 整理 · 更新 · 查看 GitHub 来源
待试用:来源已核,尚未在 Codex 实测。先检查条件,再用小任务验证。
Hypothesis Generation 能帮你做什么?
先固定事实与问题边界
记录观察来自何种人群、系统、时间和测量,区分描述、相关、预测与因果问题,防止把现象直接说成原因。
比较不同解释的预测
把测量误差、混杂因素或其他机制纳入候选解释,寻找它们预期结果真正不同的测试,而非只列同义假设。
形成可检查的研究计划
将变量、测量、对照和分析安排写清楚,结合本地模板与校验脚本整理计划,记录探索后修改和仍需专家判断的部分。
什么时候适合用?
下面是用法示例,可换成你的材料和目标。
示例:解释一个异常观察
提供原始现象与测量条件,分别考虑真实变化、处理过程和样本选择等解释,设计下一步可区分它们的观察。
示例:准备研究方案草案
明确已有证据和可用资源,整理研究问题、预测、变量及分析安排,供导师或团队进一步讨论和修订。
怎么开始使用?
你提供的材料
准备这些材料研究假设设计
研究问题、已有观察、数据和资源约束
处理流程示意
- 01
梳理观察与证据边界
- 02
提出假设和竞争解释
- 03
设计预测与检验方式
准备什么,会得到什么?
- 准备的材料
- 研究问题、已有观察、数据和资源约束
- 交付的结果
- 标为候选的假设与竞争解释清单,以及可区分它们的预测。
- 测量与分析计划、反证条件和必要的证据边界记录。
使用前要知道
当前待试用。核心本地检查需 Python 标准库,但检查通过不代表假设正确、研究新颖或方案已获专业批准;本站未运行实测。
常见问题
能直接帮我证明某个假设是对的吗?
本项负责提出和检验设计,不负责证明预定结论。测试需要考虑竞争解释、测量误差与不确定结果,排除几个解释也不能保证剩下的就是真相。
搜索不到类似论文,就能声称没人研究过吗?
不能。最多说明在记录的数据库、检索词与时间边界内没有找到。新颖性还需适当检索和领域判断,不应把没搜到写成全球从未出现。
GitHub 与官方参考
依据项目说明与参考文档整理。页面中的任务与流程示例用于说明用法。
- Hypothesis Generation SKILL.md ↗2026-10-31 核对
来源与使用条件
- 原始项目
- K-Dense-AI/scientific-agent-skills ↗
- Skill 名称
hypothesis-generation- Skill 目录
skills/hypothesis-generation- 仓库 Star
- 55,487 · 2026-10-31 核对,仅代表仓库关注度。
- 许可说明
- MIT
- 使用条件
- 核心指令可由 Codex 执行;随附本地检查脚本需要 Python 3.11+ 标准库,无强制 API Key。需要真实证据和问题,额外查文献时需联网工具。
- 注意事项
- README 明确支持 Codex,采用 MIT 许可。生成的假设仍待实验或数据检验;来源已核,本站未实测,待试用。
查看安装与使用提示词
请帮我准备并使用 Hypothesis Generation Skill,完成下面的任务。请实际执行当前环境允许的安装与检查,不要只返回一份安装教程。 【来源与目标】 原始仓库:https://github.com/K-Dense-AI/scientific-agent-skills 所选目录:skills/hypothesis-generation 参考分支:main 原始目录 frontmatter name:hypothesis-generation 安装后的目标调用名:hypothesis-generation 来源页面:https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills/hypothesis-generation 安装路线核对日期:2026-11-01 Hypothesis Generation 当前指令与依赖:https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/skills/hypothesis-generation/SKILL.md OpenAI:Codex 本地 Skill 位置、调用与自动发现:https://learn.chatgpt.com/docs/build-skills 上游安装方式与按任务准备独立依赖:https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/README.md 仓库开发环境与 Skill 依赖的区别:https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/pyproject.toml 本地标准库工具与文件边界:https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/skills/hypothesis-generation/references/tool_reference.md 【先检查环境,再安装】 先识别操作系统、当前 shell、工作目录、同名 Skill 和已有工具;命令须适配实际平台并正确处理带空格的路径。默认安装到当前项目的 .agents/skills;如果没有可用项目目录,再使用用户目录的 .agents/skills。遵循当前 Codex 实际支持的位置;上游 CLI 或插件有专用目录时使用其正式方案。检查现有安装来源与完整性,能复用就复用,不重复注册相同来源、不覆盖用户修改。系统内置与所选第三方来源同名时保留系统版,明确区分来源和实际目录,不能只凭名称认定装过或选对了。 下文 ~/.agents/skills 是用户级路径示例;已选项目范围时,使用项目的 .agents/skills 并保持相同子目录层级。<SKILL_DIR>、<项目根目录> 等占位符须先换成核对过的真实路径再执行。依赖仓库的存放目录与 Codex 发现入口分别处理,不把缓存目录当作已注册入口。 这是完整目录安装路线。优先使用当前 Codex 自带的 $skill-installer,明确传入仓库 K-Dense-AI/scientific-agent-skills、目录 skills/hypothesis-generation、分支 main、安装名 hypothesis-generation,并把 --dest 设为已解析的目标 .agents/skills 绝对路径。目录为“.”时表示仓库根目录,仍要传入安装名。不要猜测安装器在本机的固定路径。如果没有内置安装器,按下列项目说明从原仓库获取完整目录,保留全部配套文件。 所选 Skill 的具体安装步骤: 1. 仅完整安装 K-Dense-AI/scientific-agent-skills 的 skills/hypothesis-generation 到 ~/.agents/skills/hypothesis-generation/;只用于项目时改用 .agents/skills/hypothesis-generation/。从完整 checkout 递归复制或用支持完整目录的安装器获取,保留同目录相对结构。 2. 先核对同名安装来源,避免覆盖本地修改或并装两个版本;<SKILL_DIR> 使用安装绝对路径。不要把仓库根 pyproject 的扫描/开发环境当作本项运行环境,也不默认安装其余 176 项。 3. 核心本地工具需要 Python 3.11+ 标准库,无需联网、API Key、图片模型或其他 Python 包。 4. 完整保留 scripts/_common.py、全部验证工具及 assets 中相互对应的 JSON/CSV/Markdown 模板;不要只取某一个校验脚本。 5. 补充查文献时再使用当前 Codex 已有的联网工具;本项自身离线脚本不会替用户查询数据库或执行实验。 6. 安装后核对 SKILL.md 的 name 与调用名一致;Codex 会自动发现变更。先在 Skill 列表查找,未出现时再新建聊天或重载,不把重启写成每次必做。 必须保留的资源: - skills/hypothesis-generation/SKILL.md - skills/hypothesis-generation/scripts/(全部工具及 _common.py) - skills/hypothesis-generation/assets/(假设、预测、反证、证据和预注册模板) - skills/hypothesis-generation/references/(含 tool_reference.md) 已知依赖:核心指令可由 Codex 执行;随附本地检查脚本需要 Python 3.11+ 标准库,无强制 API Key。需要真实证据和问题,额外查文献时需联网工具。 原项目许可:MIT 特别条件:README 明确支持 Codex,采用 MIT 许可。生成的假设仍待实验或数据检验;来源已核,本站未实测,待试用。 此项仍为待试用;先核对 Codex 兼容性,再进行小范围验证,不把来源核对当作已运行实测。 需要账号、密钥或服务时先检查现有可用连接;让用户在官方授权或本地配置入口完成,不要求把密钥粘贴到聊天。缺少付费服务或不支持的客户端能力时,明确剩余条件与可完成的范围。 【安装后验收】 读取实际安装位置的 SKILL.md,核对真实 name,并检查它引用的脚本、模板、共享文件与工具是否存在。若上游已迁移路径或更名,先核对正式说明再调整;找不到则报告实际错误,不猜路径或宣称成功。 1. 检查 Python 3.11+、模板和同目录脚本完整性;用验证工具的 --help 检查参数入口,无需安装第三方包。 2. 不以空白模板的验证结果判断假设成立,也不运行会写文件的预注册脚手架作为只读检查。 Codex 通常自动发现变更;只有未出现时才引导新建聊天或重载。若本轮尚未出现在可用列表,可在允许的范围内读取已安装的完整文件继续准备任务,同时说明自动识别尚待确认。插件依赖的工具未连接时,不能用读取文件代替连接成功。 分别报告“文件已安装”“Codex 已识别”“任务所需能力已就绪”的实际状态和证据;失败时给出卡住的步骤、错误与下一步,不反复执行相同的失败命令。 【接着引导我使用】 请使用实际可用的 $hypothesis-generation;若实际名称发生变化,以刚核对的本地 name 为准。存在不同来源同名项时,明确选择所选来源与实际文件路径,避免调用成系统版或另一版本。对于必须由用户显式调用的 Skill,直接给我下一条可复制的调用语句。 - 调用 $hypothesis-generation,给出观察、来源和限制;先区分观察与解释,再列竞争假设、可区分预测和反证条件。 - 按模板填写测量与分析安排后,再使用对应本地校验。新生成文件放到明确输出目录,检验通过只表示结构与规则通过。 我想完成的任务: 根据我的问题、观察和约束提出可检验假设。区分已有证据与推测,列出竞争解释、可区分的预测、关键变量和反证条件,给出可执行的测量或实验草案,不将假设写成结论。 需要我提供的材料: 研究问题、已有观察、数据和资源约束 期望得到: 假设与竞争解释表、可检验预测,以及测量或预注册草案。 先查看我在当前聊天中已经提供的目标与材料,只问缺少的关键内容;没有材料时,告诉我第一步提供什么,可给一个简短示例。条件满足后从一个小任务开始,检查输出,再说明怎样继续使用。示例仅用于演示,不充当我的真实数据;没有执行过的步骤、测试或交付物不要写成已经完成。需要发送、发布或修改外部账号内容时,先让我核对具体对象和内容。