mcpField
I
interview-me

interview-me

github.com/pedrohcgs生产力1.7k50 次安装5 周前更新
代码仓库

关于 interview-me

interview-me 通过对话帮助研究者将初步想法整理为结构化研究规格说明。它逐步询问研究动机、数据、识别策略、预期结果与贡献，并可记录取舍决策。

主要功能

  1. 01每轮提出一至两个问题
  2. 02生成研究规格说明文档
  3. 03为取舍生成可选决策记录
  4. 04提供引用核验流程

适用场景

  1. 01梳理早期研究想法
  2. 02明确数据与识别策略选择
  3. 03记录不同研究方案间的取舍

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/pedrohcgs/claude-code-my-workflow --skill interview-me

安装后在 Claude Code 中输入/interview-me确认已加载。

详细介绍

研究访谈

开展结构化访谈，帮助将研究构想形式化为具体的规范。

输入： $ARGUMENTS — 简短的主题描述，或用于开放式探索的“从头开始”。

工作方式

这是一项对话式技能。你不会立即生成报告，而是通过一次提出一个问题、根据回答深入追问，逐步形成结构化的研究规范。

不要使用 AskUserQuestion。 直接在文本回复中提出问题，每次一到两个。等待用户回复后再继续。

访谈结构

阶段 1：总体构想（1-2 个问题）
  • “你想理解什么现象或谜题？”
  • “这为什么重要？谁应该关心答案？”
  • 用户回答后，可酌情追问：“你对这会是哪类论文有初步想法吗？——简约式 / 结构式 / 理论+实证 / 描述性 / 形式理论 / 调查实验 / 不确定？”（类型定义见 .claude/agents/methods-referee.md，各领域的默认频率见 .claude/references/discipline-cards.md。）将回答记录在保存的规范中的 **Paper type:** 标题字段下；“不确定”也可以，记录为 **Paper type:** unsure。
阶段 2：理论动机（1-2 个问题）
  • “你认为 X 为什么会发生 / Y 是由什么驱动的？”
  • “标准理论会做出什么预测？你预计会有所不同吗？”
阶段 3：数据与背景（1-2 个问题）
  • “你能获取哪些数据，或者理想情况下希望使用哪些数据？”
  • “你关注某个特定的背景、时间段或制度环境吗？”
阶段 4：识别（1-2 个问题）
  • “是否存在你可以利用的自然实验、政策变化或变异来源？”
  • “对因果解释最大的威胁是什么？”
阶段 5：预期结果（1-2 个问题）
  • “你预计会发现什么？什么结果会让你感到意外？”
  • “这些结果对政策或理论意味着什么？”
阶段 6：贡献（1 个问题）
  • “这与已有研究有何不同？你要填补什么空白？”

访谈之后

收集到足够信息后（通常经过 5-8 轮交流），生成一份研究规范文档：

# Research Specification: [Title]

**Date:** [YYYY-MM-DD]
**Researcher:** [from conversation context]
**Paper type:** [reduced-form | structural | theory+empirics | descriptive | formal-theory | survey-experiment | unsure]

## Research Question

[Clear, specific question in one sentence]

## Motivation

[2-3 paragraphs: why this matters, theoretical context, policy relevance]

## Hypothesis

[Testable prediction with expected direction]

## Empirical Strategy

- **Method:** [e.g., regression discontinuity around an eligibility cutoff]
- **Treatment:** [What varies]
- **Control:** [Comparison group]
- **Key identifying assumption:** [What must hold]
- **Robustness checks:** [Placebo tests, bandwidth sensitivity, etc.]

## Data

- **Primary dataset:** [Name, source, coverage]
- **Key variables:** [Treatment, outcome, controls]
- **Sample:** [Unit of observation, time period, N]

## Expected Results

[What the researcher expects to find and why]

## Contribution

[How this advances the literature — 2-3 sentences]

## Open Questions

[Issues raised during the interview that need further thought]

保存到： quality_reports/specs/research_spec_[sanitized_topic].md — 目录 /grant-proposal、/data-management-plan、/power-analysis 和 /preregister 会从该目录读取内容。

事后核验（必须执行，CoVe — 适用于规范引用已有研究的情况）

研究规范中的动机和贡献部分通常会按作者 + 年份引用已有论文。这类引用容易产生幻觉。保存规范前，如果其中包含任何引用，请执行 .claude/rules/post-flight-verification.md 中的事后核验流程。

步骤（规范未引用任何论文时跳过）
  1. 提取论断： 动机 / 贡献部分中的每条论文引用（“Smith 2019 发现了 X”）、任何数据集结构论断（“CPS 有字段 educ_attain”），以及任何关于文献的否定性断言（“没有人研究过 Y”）。
  2. 生成核验问题： 针对每条论断提出具体且可回答的问题。“Smith（2019，JEL）第 3 节是否报告了发现 X？刊物是否正确？”
  3. 通过 Agent 工具启动 claim-verifier，设置 subagent_type=claim-verifier，并使用全新的上下文——必须是命名的 Agent 调用，而不是会继承草稿的对话分支。向其提供论断 + 问题 + 来源指针（DOI、arXiv 链接、master_supporting_docs/ PDF；如果用户在访谈中提供了这些资料）。不要包含起草的规范。
  4. 协调结果： PASS → 将绿色区块附加到规范中。PARTIAL → 为无法核验的引用标注不确定性标记。FAIL → 根据核验者提供的证据重写受影响的段落，然后再保存规范。
跳过条件
  • 规格中没有任何论文引用（没有文献参考的纯方法论规格）。
  • 使用了 --no-verify 标志。
  • 用户在访谈中明确表示“我会自行核查文献”。

决策记录（出现权衡时）

如果研究者在访谈中明确在多个选项之间做出了选择——例如识别策略（DiD、IV 还是 RDD）、数据来源（行政数据还是调查数据）、结果指标、样本范围等——还要为每项选择撰写一份 ADR 风格的决策记录。使用 templates/decision-record.md，并保存到 quality_reports/decisions/YYYY-MM-DD_[short-topic].md。必填字段：Status / Problem / Options considered / Decision + rationale / Consequences / Rejected alternatives。

如果访谈只得出了单一且无人反对的方向，则跳过 ADR——ADR 用于记录存在实际备选方案的决策，而不是宣布默认路径。

访谈风格

  • 保持好奇，不要指手画脚。 你的任务是引导研究者阐述其思路，而不是把自己的想法强加给对方。
  • 温和地探查薄弱环节。 如果识别策略听起来不够稳健，可以问“怀疑者会如何质疑……？”，而不是说“这行不通，因为……”。
  • 根据回答继续追问。 每个问题都应承接上一个回答。
  • 知道何时停止。 如果研究者在经过 4-5 轮交流后已经有了清晰构想，就转入规格制定。不要过度访谈。

评论

支持 Markdown