hypothesis-generation

科学假设生成

概述

假设生成是一个系统性过程，旨在提出可检验的解释。根据观察结果提出基于证据的假设，设计实验，探究相互竞争的解释，并提出预测。可将此技能用于各个领域的科学探究。

何时使用此技能

在以下情况下应使用此技能：

• 根据观察结果或初步数据提出假设
• 设计实验以检验科学问题
• 探究对某种现象的相互竞争的解释
• 为研究提出可检验的预测
• 基于文献开展假设生成
• 规划跨科学领域的机制研究

工作流

按照以下系统性流程生成可靠的科学假设：

1. 理解现象

首先明确需要解释的观察结果、问题或现象：

• 找出需要解释的核心观察结果或模式
• 界定现象的范围和边界
• 记录任何限制条件或特定情境
• 明确哪些内容已知，哪些尚不确定
• 确定相关科学领域

2. 全面检索文献

检索现有科学文献，使假设以当前证据为基础。使用 PubMed（针对生物医学主题）和通用网页搜索（针对更广泛的科学领域）：

针对生物医学主题：

• 使用 WebFetch 访问 PubMed URL 中的相关文献
• 搜索近期综述、荟萃分析和原创研究
• 查找相似现象、相关机制或类似系统

针对所有科学领域：

• 使用 WebSearch 查找近期论文、预印本和综述
• 搜索已确立的理论、机制或框架
• 找出现有认知中的空白

搜索策略：

• 先进行宽泛搜索，了解整体情况
• 再聚焦于具体机制、通路或理论
• 查找相互矛盾的研究结果或尚未解决的争论
• 详细搜索技巧请参阅 references/literature_search_strategies.md

3. 综合现有证据

分析并整合文献检索结果：

• 总结对该现象的当前认知
• 找出可能适用的既定机制或理论
• 记录相互矛盾的证据或其他观点
• 识别空白、局限或未解问题
• 找出相关系统或领域中的类比

4. 提出相互竞争的假设

提出 3-5 个可能解释该现象的不同假设。每个假设都应：

• 给出机制性解释，而不只是描述
• 能与其他假设区分开来
• 依据文献综合得出的证据
• 考虑不同层级的解释（如分子、细胞、系统、群体等）

假设生成策略：

• 将已知机制应用于类似系统
• 考虑多种致因通路
• 探索不同尺度的解释
• 质疑现有解释中的假设
• 以新颖的方式组合机制

5. 评估假设质量

根据 references/hypothesis_quality_criteria.md 中列出的既定质量标准，评估每个假设：

可检验性： 能否通过实证检验该假设？ 可证伪性： 哪些观察结果会推翻该假设？ 简约性： 它是否是在符合证据前提下最简单的解释？ 解释力： 它能解释该现象的多少方面？ 适用范围： 它涵盖哪些观察结果？ 一致性： 它是否符合既定原则？ 新颖性： 它是否能带来现有解释之外的新见解？

明确指出每个假设的优点和缺点。

6. 设计实验测试

为每个可行的假设提出具体实验或研究来检验。请参阅 references/experimental_design_patterns.md，了解常见方法：

实验设计要素：

• 测量或观察哪些内容？
• 需要哪些对照或比较？
• 将采用哪些方法或技术？
• 哪些样本量或统计方法比较合适？
• 可能存在哪些混杂因素？如何处理？

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. 提出可检验的预测

为每个假设提出具体、定量的预测：

• 说明假设正确时应观察到什么
• 尽可能说明效应的预期方向和幅度
• 指出预测成立的条件
• 区分相互竞争的假设各自的预测
• 说明哪些预测会证伪该假设

8. 提供结构化输出

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. 背景与情境 - 现象和文献概要
2. 相互竞争的假设 - 列出各项假设并说明其机制
3. 质量评估 - 评估每项假设
4. 实验设计 - 针对每项假设提出测试方案
5. 可检验的预测 - 具体、可测量的预测
6. 关键比较 - 如何区分各项假设

质量标准

确保生成的所有假设均符合以下标准：

• 基于证据： 以现有文献为依据，并附上引用
• 可检验： 包含具体、可测量的预测
• 机制明确： 解释如何或为何发生，而不只是说明发生了什么
• 全面： 考虑其他解释
• 严谨： 包含用于检验预测的实验设计

资源

references/

• hypothesis_quality_criteria.md - 假设质量评估框架（可检验性、可证伪性、简约性、解释力、适用范围、一致性）
• experimental_design_patterns.md - 各领域常见的实验方法（RCT、观察性研究、实验室实验、计算模型）
• literature_search_strategies.md - 在 PubMed 和一般科学来源中进行有效检索的技巧

assets/

• hypothesis_output_template.md - 结构化格式，用于以一致的方式呈现假设，并包含所有必需部分