Skill/学习科研/Scientific Critical Thinking
学习科研 55.5k 仓库 Star

Scientific Critical Thinking

看清结论由哪些证据支持

Scientific Critical Thinking 是阅读和评价科学证据的 Skill。它先明确要评价的主张以及对应研究,再检查设计、测量、偏差、统计解释与其他可能原因,并选用适合问题的证据评价方法。输出重点是判断依据和证据缺口,不是把论文流畅地复述一遍或替领域专家定论。

你需要准备:论文、研究结果、科学主张与原始资料

一桉AI 整理 · 2026.10.31 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。

Scientific Critical Thinking 能帮你做什么?

  • 把主张对应到研究证据

    先明确一句结论具体在说什么,再核对人群、比较对象、结果和测量,避免拿不相干的研究支持它。

  • 识别偏差与替代解释

    检查样本选择、混杂、测量误差和分析方式,区分结果之间的关联与有依据的因果推断。

  • 解释证据强弱与缺口

    根据研究类型使用合适的评价框架,说明降低确定性的原因、未解决问题和需要补充的证据,不用评分代替解释。

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:判断一篇研究解读

    同时提供新闻中的结论和可取得的原论文,检查报道是否超出研究范围,以及遗漏了哪些限制。

  • 示例:审视课题的证据基础

    整理支持某观点的研究,比较设计和偏差,找出还需要补查或用后续研究区分的问题。

怎么开始使用?

从材料到结果流程示意,非实测结果

你提供的材料

准备这些材料科学证据评估

论文、研究结果、科学主张与原始资料

处理流程示意

  1. 01

    明确主张与研究设计

  2. 02

    核对证据和混杂因素

  3. 03

    整理结论边界与疑点

准备什么,会得到什么?

准备的材料
论文、研究结果、科学主张与原始资料
交付的结果
  • 针对具体主张的证据评价,说明支持程度、局限与不同解释。
  • 需补查的来源、测量或研究设计问题,以及后续核验方向。

使用前要知道

当前待试用,依赖真实研究材料和专业语境。它不提供正式同行评审或医疗结论;可选配图服务也不属于基础评价必需能力,本站未实测。

常见问题

发现研究有局限,就说明结论一定是错的吗?

不一定。应说明局限怎样影响具体判断、可能把结果推向哪边以及影响有多大。简单列出几个缺点,不能替代对证据整体的权衡。

它能把观察性研究直接判断为因果关系吗?

不能仅凭相关结果下因果结论。需要检查设计、混杂和其他假设;若证据只支持关联,应保留这种确定程度,而不是换成更强的说法。

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。

  • Scientific Critical Thinking 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
scientific-critical-thinking
Skill 目录
skills/scientific-critical-thinking
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
核心评估无需专门 API,需能读取研究材料;补充核验需要联网。可选科学示意图另需 scientific-schematics 和 OPENROUTER_API_KEY,不是基础分析的必需项。
注意事项
README 明确支持 Codex,采用 MIT 许可。评估用于辅助理解证据,不替代领域专家判断;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 Scientific Critical Thinking 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/scientific-critical-thinking
参考分支:main
原始目录 frontmatter name:scientific-critical-thinking
安装后的目标调用名:scientific-critical-thinking
来源页面:https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills/scientific-critical-thinking
安装路线核对日期:2026-11-01
Scientific Critical Thinking 当前指令与依赖:https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/skills/scientific-critical-thinking/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

【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/scientific-critical-thinking、分支 main、安装名 scientific-critical-thinking,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/scientific-critical-thinking 到 ~/.agents/skills/scientific-critical-thinking/;只用于项目时改用 .agents/skills/scientific-critical-thinking/。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. 基础分析只需 Codex 能读取用户授权的研究材料,无强制 Python 包、API Key 或图像服务。
4. 完整保留 references/;只有明确需要可选示意图时才另安装 scientific-schematics 的完整目录,并按那个 Skill 的当前依赖准备 OpenRouter 授权。
5. 额外原文核验按实际网络工具处理;无法读取全文时标明材料范围,不认为安装了该 Skill 就自动有学术数据库权限。
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/scientific-critical-thinking/SKILL.md
- skills/scientific-critical-thinking/references/(review_sources、核心能力、设计、偏差、证据层级、统计与逻辑参考)
- 仅选用配图时:skills/scientific-schematics/ 的完整资源及其独立依赖

已知依赖:核心评估无需专门 API,需能读取研究材料;补充核验需要联网。可选科学示意图另需 scientific-schematics 和 OPENROUTER_API_KEY,不是基础分析的必需项。
原项目许可:MIT
特别条件:README 明确支持 Codex,采用 MIT 许可。评估用于辅助理解证据,不替代领域专家判断;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. 读取 SKILL.md 与所需 reference 文件,确认 name=scientific-critical-thinking;基础流程无需运行安装脚本。
2. 确认可读取本次用户提供的研究材料;不为安装验证而上传材料或调用外部图像服务。
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 $scientific-critical-thinking;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 $scientific-critical-thinking,先明确要评价的具体主张与对应研究;按设计、样本、测量、偏差、混杂和替代解释展开。
- 结论强度保持与证据一致;配图是独立可选任务,不把评分或图示当作正式同行评审。

我想完成的任务:
评估我提供的科学主张或研究。先说明研究设计、样本和测量,再核对证据质量、混杂因素、替代解释与结论强度;把事实、推断和未知分开,给出需要补查或验证的问题。

需要我提供的材料:
论文、研究结果、科学主张与原始资料

期望得到:
一份有材料依据的证据评估,包含疑点、替代解释与结论边界。

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。

相关 Skill

  • HV Analysis横纵分析法研究
  • Literature Review文献综述
  • Scientific Writing学术写作

复制到 Codex

浏览器暂未允许直接复制。点击下方文字,按 Ctrl+C(Mac 按 ⌘C)复制,再粘贴到 Codex。

三步开始使用

  1. 找到想做的事,点击「复制提示词」。
  2. 打开 Codex,把提示词粘贴进去并发送。
  3. 按它的提示提供文件或材料,继续完成任务。

按需安装就好,不用一次装完。部分 Skill 需要软件、账号或付费服务,Codex 会先检查使用条件。