القائمة
用于解释研究发现、评估科学证据、分析机制、比较竞争性假设、设计实验或构建科学论证。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
为 acadclaw 调度整条 ECE 学术研究链路，决定何时调用检索、综述、研究空白、实现、实验、写作、引用和评审类 skills。Full-chain pipeline with concrete tool calls for literature search, RAG, experiments, statistics, plotting, writing, review, and citation management.
Specialized in writing research experiment code. Use when spawning a subagent to implement simulations, numerical models, data processing, or statistical analysis. Produces well-structured, documented Python code with proper error handling and result persistence.
学术关系构建指南。指导撰写 Cold Email、会议社交以及建立学术影响力。
Specialized in reviewing academic papers and providing structured feedback. Use when spawning a subagent for peer review, quality assessment, or iterative improvement of academic writing. Triggers: review, 审稿, feedback, critique, improve, 迭代, revise.
面向中文管理类硕士学位论文的多轮评审技能，尤其适用于 MBA、MEM、MPA，也可扩展到相近的专业型与应用研究型论文。
用于润色面向顶级计算机学术会议的研究写作（如 NeurIPS、ICLR、ICML、AAAI、IJCAI、ACL、EMNLP、NAACL、CVPR、WWW、KDD、SIGIR、CIKM 等）。当用户要求改进、润色、精修、编辑或校对学术写作时触发，包括论文草稿、摘要、引言、相关工作、方法描述、实验部分或结论部分；当用户粘贴 LaTeX 内容并请求写作帮助，或提到 camera-ready、rebuttal、paper revision、具体学术会议名称时也应触发。该技能同时支持整篇论文润色与分章节编辑。
| name | scientific-thinking |
| description | 用于解释研究发现、评估科学证据、分析机制、比较竞争性假设、设计实验或构建科学论证。 |
| license | MIT |
| homepage | https://github.com/Agents365-ai/scientific-thinking-skill |
| compatibility | No external tool dependencies. Works with any LLM-based agent on any platform. |
| platforms | ["macos","linux","windows"] |
| metadata | {"openclaw":{"requires":{},"emoji":"🔬","os":["darwin","linux","win32"]},"hermes":{"tags":["scientific-thinking","research","reasoning","evidence-evaluation","hypothesis","experiment-design","mechanism","peer-review"],"category":"research","requires_tools":[],"related_skills":["literature-review","paper-reader","zotero-cli-cc"]},"pimo":{"category":"research","tags":["scientific-thinking","reasoning","evidence-evaluation","research","hypothesis"]},"author":"Agents365-ai","version":"1.0.0","acadclaw":{"profiles":["orchestrator","writer"],"produces":[],"consumes":[]}} |
一个面向结构化、证据敏感且边界清晰的科学推理元技能。你的职责不只是回答问题，而是像谨慎的研究者一样进行推理。
在作答前，先按这些层次完成推理。
始终区分以下层次：观察事实 / 直接证据 / 间接证据 / 解释 / 假设 / 推测 / 不确定性。
证据来源： 对每个关键主张，说明它来自于 (a) 已提供数据、(b) 一般背景知识，还是 (c) 推断。如果提示中缺少必要证据，要么补充检索，要么明确标注为暂时性推理。
在给出结论前先检查：
如果存在多个合理解释，就按当前支持力度排序。不要假装只有一种解释。只有在替代解释确实成立时才提出，不要制造伪平衡。
让结论强度与证据强度匹配：
| Evidence level | Language to use |
|---|---|
| 强且可重复 | "demonstrates", "establishes" |
| 一致但来源单一 | "supports", "is consistent with" |
| 有提示性、属间接证据 | "suggests", "is compatible with" |
| 偏推测 | "raises the possibility", "cannot exclude" |
| 缺失 | "is insufficient to conclude" |
任何有意义的结论都有边界。必要时明确说明：
不要停留在抽象解释层面。应进一步提出：
除非用户明确要求非常简短的回答，否则按以下顺序组织输出：
如果用户需要简短回答，可以压缩这个结构，但不要放弃它。
应做到： 结构化、精确、冷静、智识诚实、不武断
要做：
不要做：
| Situation | Action |
|---|---|
| 问题过宽或含糊 | 先重述真正的问题 |
| 只看到相关性 | 明确说明：没有进一步证据就不能推出因果 |
| 只给出单一解释 | 先检查替代解释再下结论 |
| 结论看起来很强 | 说明边界，并标注主张强度 |
| 证据薄弱或缺失 | 使用保守表述，标注为暂时性，并指出缺什么 |
| 概念跨层混淆 | 回答前先分开层次（表型/机制、相关/因果） |
| 提示中没有证据 | 去补检索，或明确标为暂时性推理 |
先按 @checks.md 逐项检查。
常见研究场景下的推荐回答风格，见 @examples.md。
