mcpField
C
ccf-idea-optimizer

ccf-idea-optimizer

github.com/mikubaka88生产力3.3k2.0k 次安装1 周前更新
代码仓库

关于 ccf-idea-optimizer

ccf-idea-optimizer 面向研究人员,将研究方向细化为具体问题、机制和证据计划。它结合基于文献的空白分析与因果推理,并区分已有观察和推断出的机会。

主要功能

  1. 01细化初步研究方向
  2. 02连接问题与研究机制
  3. 03基于文献梳理空白
  4. 04构思不同的候选方案
  5. 05规划区分性证据

适用场景

  1. 01将初步主题转化为研究构想
  2. 02比较研究问题的不同机制
  3. 03结合相关工作定位成熟构想
  4. 04为核心论点规划证据

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/mikubaka88/ccfa-skills --skill ccf-idea-optimizer

安装后在 Claude Code 中输入/ccf-idea-optimizer确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

agents/
openai.yaml
references/
experiment-design.md
source-notes.md
literature-grounded-evolution.md
idea-intake.md
problem-method-blueprint.md
venue-idea-adapters.md
frontier-ideation.md
research-taste.md

详细介绍

CCF Idea Optimizer

文件协作约定

开始处理文件前,复用规范路径和单一任务/产物工作目录;默认使用项目根目录下的 ccfa-workfiles/<purpose>/<artifact-id>/。原地更新,保留输入,并使用 UTF-8,检查中文文本。命名、归属和任务创建内容的清理遵循 artifact-contracts.md;交接时沿用这些路径。

协作约定

在专家开始执行前,先阅读并应用 ccf-humanization,再阅读并应用 ccf-common。每次交接时,复用其中适用的当前规则,或补充缺失/已变更的规则。即使没有文本内容,也必须完成这两项预检。仅在相关时才启用详细编辑、实验和维护模式。

在单一负责人的统筹下整合必要的专家贡献;复用有效的前置成果,并验证受影响的结果。遵循协作路径,避免重复报告。

调用控制

CCFA 交接模式:PARTIAL(推荐)。 遵循 metadata.ccf_skill_controls.handoff_question_mode、../ccf-common/references/handoff-modes.md 和 ../ccf-common/references/task-modes.md。在现有授权范围内,完成所请求的想法开发和必要的公开安全信息核实。除非请求交付相关成果或确有需要,否则不要加载评分、写作或完整实验设计工作流。

核心规则

将粗略方向转化为具体问题、有依据的研究空白、因果洞见、机制和可证伪的证据计划。区分有来源支持的观察与推断出的机会。不要捏造既有工作、结果、评审意见或创新性。相关工作应阐明差异;未经检索或竞争激烈的方向属于不确定,而非自动判定为不可行。

保留用户的主题和约束。在授权的开发范围内调整问题切入角度或机制,并解释会产生实质影响的变更。一个有用的想法应有连贯的理由说明为什么干预会改变可观察结果;仅罗列常见模块并不足够。

用户明确要求创新时,即使关闭了可选的路线比较,也可以提出不同的候选机制。探索期间保持研究问题稳定;执行期间保留已选机制,除非有实质理由需要重新审议。使用 Common 的进展检验,及时停止不会带来决策相关信息的重复批评或检索。

参与用户明确要求的自主研究时,应利用当前观察结果和已失败的假设,提出下一步机制、分析或检索策略。稳定的研究目标并不意味着初始方法不可更改;证据需要时,应改变操作或根本假设。按照其研究循环,将假设和可区分的预测交回 ccf-pipeline-orchestrator。候选方向的广度由授权研究活动的范围和资源决定,不受技能维护中“一项额外候选”的规则限制。常规想法开发仍不需要实际执行实验。

模式

  • 探索式:拓展粗略构想,寻找方向,并在评估准备程度前挖掘有潜力的要素。
  • 快速式:修复一个局部机制,或提供简明的想法卡片。
  • 标准式:为成熟方向提供依据,并产出可用于交接的研究计划。

工作流

  1. 提取用户的决策、领域、阶段、资源、时间线和可用来源。推断常规细节并标记未知项。仅在输入混乱或不完整时加载 references/idea-intake.md;如果对话已经提供相关信息,则不要重新开始信息收集。
  2. 当 venue 适配性很重要时,使用 ../ccf-common/references/ccf-a-venue-map.md 和 references/venue-idea-adapters.md 中的相关段落。未指定 venue 时,可以使用标注为通用 CCF-A 视角的分析。
  3. 按请求需要了解时效性和最接近的相关工作。浏览前先查看 ../ccf-common/references/privacy-and-evidence.md;使用公开且安全的搜索词。近期论文追踪使用 ccf-literature-monitor,深入检索使用 ccf-literature-searcher。遵守不浏览的请求,并准确标注未经检索的创新性。
  4. 有可用来源时,使用 references/literature-grounded-evolution.md 保留精简的证据卡、机制原语、协议锚点和未解决关系。保留来源位置,避免反复加载整篇摘要。分别追踪借鉴的思路和推断出的空白。
  5. 对于尚未充分确定的方向或明确提出的突破性请求,使用 references/frontier-ideation.md 生成实质上不同的候选方案。三到五个只是起始范围,不是配额或上限;遵从用户要求的广度。其他情况下,若已有一个明确的想法,则针对性地改进。内部保留有用的思路脉络和操作方式,例如细化、组合、迁移、反转或观测。
  6. 使用 references/problem-method-blueprint.md 串联问题、根本挑战、洞见、机制、假设和预期观测。检查数据假设、目标或资源是否存在不兼容。保留最有力的路线,并在有用时提供一个真正不同的备选方案。
  7. 针对最接近的重叠风险及证据链中最薄弱的环节,审视该路线。存在实质性不确定性时,使用 ccf-idea-reviewer 进行有针对性的概念审查;整合审查结果并检查受影响的假设。每次返工都必须解决一个疑虑、补充证据或检验不同机制;否则应停止审查与开发之间的反复往返,并指出区分不同方案的关键判据。审查者提出的最小修补只是诊断选项,不构成对获准创新的限制。若用户要求独立评估,则评估本身就是交付内容。
  8. 根据用户要求的成果类型匹配证据规划。早期想法卡需要的是能区分不同方案的观测、证明方向或问题,而不是实验矩阵。对于完整研究计划或明确要求的证据设计,使用 references/experiment-design.md 为核心主张选择相关证据。完整执行方案由 ccf-experiment-designer 负责;计划中的结果应标为预测,而非证据。
  9. 按用户要求的形式返回完善后的想法。区分当前弱点和发展潜力。当某项具体且可行的改动能够保留其价值时,提供补救方案;若候选方案存在已证实的矛盾、违反硬性约束,或不再有任何贡献,则停止该方案,无须强制提供补救。保留更广泛的研究目标。若仍有必须作出的决策尚未确定,说明所需的确切证据,并完成能够独立完成的部分。

输出约定

按要求返回想法卡、选项、机制蓝图或路线图。标准计划应包含问题、有来源支持的空白、洞见、方法、贡献类型、证据计划、与最接近相关工作的差异、重要假设和下一步决策。仅在经过完善且有用时才加入候选替代方案。不要在面向发表的文本中写入分支追踪、模拟审查或通用清单的完成情况。

在开发过程中进行必要的依据核查和概念检查;不要将内部发现转化为用户未要求的评分报告或论文稿件。对于用户要求组合执行的工作流,应在现有授权范围内,由相应负责人完成每项交付。

参考资料

  • references/idea-intake.md:规范化不完整或多个种子。
  • references/frontier-ideation.md、references/literature-grounded-evolution.md:多样化发展与基于来源的演进。
  • references/problem-method-blueprint.md:从问题到机制的推理。
  • references/venue-idea-adapters.md:适用的会议与期刊优先事项。
  • references/experiment-design.md:最少的区分性证据。
  • references/research-taste.md:关于研究质量、优雅性和时效性的明确问题。
  • references/source-notes.md:来源出处与当前政策检查。

评论

支持 Markdown