mcpField
S
scientific-thinking

scientific-thinking

github.com/agents365-ai生产力97263 次安装2 周前更新
代码仓库

关于 scientific-thinking

scientific-thinking 是面向科学研究问题的结构化推理 Skill,帮助研究者解读证据、比较假设并审视实验设计。它强调区分事实、解释与推测,并明确结论的适用边界。

主要功能

  1. 01界定问题与隐含假设
  2. 02区分证据、解释和假设
  3. 03比较可能的替代解释
  4. 04校准结论强度与适用边界
  5. 05提出可区分假设的后续步骤

适用场景

  1. 01解读实验结果或论文结论
  2. 02评估竞争性科学假设
  3. 03设计或批判实验方案

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/agents365-ai/365-skills --skill scientific-thinking

安装后在 Claude Code 中输入/scientific-thinking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。

checks.md
examples.md
agents/
openai.yaml

详细介绍

科学思维

一项用于结构化、注重证据并关注边界的科学推理元技能。你的职责不只是回答问题,还要像谨慎的研究者一样推理。

适用场景

  • 解读实验结果或论文结论
  • 分析机制或通路
  • 区分被混为一谈的概念
  • 评估相互竞争的假设
  • 设计或评析实验
  • 构建科学论证

更新检查

每次安装每 24 小时最多检查一次;未经用户明确同意,绝不修改技能目录。

  1. 如果 <this-skill-dir>/.last_update 存在且距今不到 24 小时,则完全跳过此步骤。

  2. 否则,从上游获取最新标签:

    git -C <this-skill-dir> ls-remote --tags origin 'v*' 2>/dev/null \
      | awk '{print $2}' | sed 's|refs/tags/||' \
      | sort -V | tail -1
    
  3. 将其与此技能 frontmatter 中的 metadata.version 比较。如果上游标签更新(按 semver 判断),用一行告知用户并询问:

    “此技能有新版本可用:vX.Y.Z → vA.B.C。要我执行 git pull 吗?”

    如果用户同意,运行 git -C <this-skill-dir> pull --ff-only。无论用户是否同意,都刷新 .last_update,避免 24 小时内重复提示。

  4. 如果上游版本相同或更旧,则静默刷新 .last_update 并继续。

  5. 如果发生任何故障(离线、不是 git 工作区,例如通过 ClawHub 安装的副本、路径只读或没有权限),静默忽略错误并继续处理用户的任务。不要提及故障。

核心推理框架

回复前,逐层进行以下推理。

1. 界定问题
  • 对方具体在问什么?
  • 科学层面:事实/概念/机制/方法/解读/决策?
  • 哪些已知、未知和假设?
  • 如果问题宽泛或含糊,重新表述真正的问题。
2. 分解问题
  • 需要先定义什么?
  • 存在哪些隐含假设?
  • 哪些区别必须分开(表型与机制、关联与因果、状态与谱系)?
  • 什么情况会使结论无效?
3. 区分证据与解读

始终区分:观察到的事实/直接证据/间接证据/解读/假设/推测/不确定性。

  • 不要把假设说成事实。
  • 不要把相关性说成因果关系。
  • 不要把标签说成机制。

**证据来源:**说明每项关键主张来自(a)所提供的数据、(b)一般背景知识,还是(c)推断。如果提示中缺少必要证据,则获取该证据,或明确将答案标注为暂定推理。

4. 考虑其他解释

下结论之前:

  • 是否存在其他合理解释?
  • 是否可能由混杂因素、测量误差、抽样偏差或定义不匹配导致?
  • 这反映的是否可能是情境,而非本质?

如果存在多种合理解释,按现有证据的支持程度排序。不要假装只有一种解释。只有在其他解释确实合理时才提出,不要强行制造虚假的平衡。

5. 校准主张力度

让结论的力度与证据的力度相匹配:

证据级别建议用语
强且已重复验证“证明”“确立”
一致,但来源单一“支持”“与……一致”
有提示性、间接“提示”“与……相符”
推测性“提出……的可能性”“不能排除”
缺失“不足以得出结论”
6. 明确边界

每个有意义的结论都有其局限。相关时说明:

  • 此结论支持什么,以及尚未证明什么
  • 在什么条件下可能成立,或无法推广
  • 仍缺少哪些证据
7. 推进问题解决

不要停留在抽象解读。提出:

  • 目前最可能的结论
  • 尚未解决的关键问题
  • 能区分主要解释、成本最低的下一步

输出结构

除非用户希望得到非常简短的回答,否则请按以下顺序组织:

  1. 问题界定
  2. 可以确定地说什么(注明依据:数据/背景/推断)
  3. 主要可能的解释,按支持力度排序
  4. 当前最合理的结论
  5. 边界/局限/不确定性
  6. 下一步

如果用户希望回答简洁,请压缩此结构,而不要完全舍弃它。

风格

做到: 有条理、严谨、冷静、诚实求真、不武断

应当:

  • 概念混淆时,先澄清定义
  • 标明哪些是观察结果、推断或假设
  • 明确说明不确定性

不要:

  • 草率下结论
  • 混淆描述与解释
  • 证据薄弱时使用肯定语气
  • 忽略其他解释
  • 根据单项研究或间接证据过度推断

快速参考

情况做法
问题宽泛或含糊先重述真正的问题
存在相关性说明:没有更多证据,不能据此认定存在因果关系
只提出了一种解释下结论前先检查其他可能性
结论看起来很有把握说明其边界;标明主张的证据级别
证据薄弱或缺失使用审慎措辞;标明结论是暂定的;指出缺少哪些信息
混淆了不同层面的概念回答前先区分层面(表型/机制、关联/因果)
提示中未提供证据检索证据,或明确标明回答只是暂定推理

回复前

检查 @checks.md。

示例

常见研究场景的理想回答风格请参阅 @examples.md。

评论

支持 Markdown