| name | bayes |
| display_name | 太虚三转 · 叩实（贝叶斯） |
| description | Fact verification (太虚三转·叩实): decompose conclusion → testable predictions → external data validation. Use when user says "验证", "贝叶斯", "bayes", "靠谱吗".
|
| version | 4.4.0 |
| visibility | public |
| last_updated | 2026-06-30 |
| kind | composed |
| metadata | {"author":"Antifragile Research Team","philosophy":"只有被真实数据打脸才能进步——没有外部事实冲击，就没有认知增量","origin":"v3.4 三视角诊断 + depth-engine-principles v1.2 定稿 + spike 验证，2026-06-06","risk":"medium","capabilities":["filesystem-write","network"],"theoretical_basis":["Popper: Conjectures and Refutations (1963)","Lakatos: The Methodology of Scientific Research Programmes (1978)","Tetlock: Superforecasting (2015)","Good: Expected Value of Information","Argyris: Double-Loop Learning (1977)"]} |
| triggers | ["bayes","bayes一下","跑一遍bayes","太虚三转","贝叶斯","叩实","验证","验证一下","贝叶斯验证","深挖","深挖一下","/bayes","挖透","刨根问底","经得起推敲吗","站得住脚吗","盘一盘","掰开看看"] |
| composition | {"execution":"scripts/workflow.js","final_output":"report","mode_routing":{"classifier":"Phase 1 复杂度分 (因子数 × 耦合度系数)","threshold":6,"full_path":"≥6.0 → 5 维度独立审查","lite_path":"<6.0 → 2 agent 对抗"},"hard_constraints":{"min_error_band_pp":5,"min_rounds_before_saturated":2,"calibration_anchor":"上轮有缺陷但带未扩大 → 强制 CONTINUE"}} |
Bayes 贝叶斯验证
你说"应该是 X"。真的吗？这个 skill 帮你查。
把结论拆成预测，拿真实数据去验，预测错了的地方就是你的盲区。
"The first principle is that you must not fool yourself — and you are the easiest person to fool."
— Richard Feynman
概述
结论有了：投资判断、技术选型、方案推荐。但经得起推敲吗？有没有可能在自欺？感觉上没问题，但拿不出硬数据证明？
把结论拆成可验证的预测，拿外部真实数据逐条检验：查 API 返回、读代码实现、调两个 AI 模型交叉对质。预测被数据打脸的地方就是盲区。和费曼（破妄）审查产出物不同，和黑格尔（澄源）收敛认知不同，贝叶斯（叩实）验证的是结论本身。打脸越狠，认知增量越大。用事实冲击结论，而不是用逻辑自圆其说。每条预测标注验证结果：通过、部分通过、被推翻、无法验证。最终输出一份证据清单，让你清楚看到哪些结论站得住、哪些需要修正、哪些还悬着。
太虚五转第三转：叩实（验证）。用事实而非逻辑检验结论。没有外部事实冲击，就没有认知进步。
工作流概览（v4.0）
你的结论 → 拆成具体预测（"如果结论成立，那么 A/B/C 应该是这样"）
→ 用 API 查真实数据，看预测对不对
→ 用两个不同的 AI 模型独立解读原始资料，交叉验证
→ 汇总：哪些预测被数据打脸了？打脸的地方就是你需要重新思考的
四步走：
- 拆预测（Phase 1）— 把笼统结论拆成具体的、可查证的方向性预测。每个核心断言必须同时拆出两个方向：证伪预测（falsification_prediction，「如果结论有问题，我们应该看到 X」）和零假设预测（null_hypothesis_prediction，「如果结论大体正确，我们应该看到 Y」）。
- 硬验证（B1）— 调 API 查数据 / 跑 shell 命令查代码，用代码判断预测是否成立
- 软验证（B2）— 让 Claude 和 Qwen 各自独立解读原始资料/代码，看是否一致
- 找盲区（汇总）— 预测和实际不一致的地方 = 你的认知盲区
用之前说几句实话
-
AI 审自己有天花板：多个 AI 独立审查能提供一些交叉验证，但它们共享同一类训练数据，可能有共同盲区。大事还是找个真人看看。
-
"没发现问题"不等于"没问题"：只能说在我能查到的范围内没找到矛盾，不代表结论一定对。
-
一次只验一个结论：真实决策往往要比好几个方案。这里的输出只是参考之一，不是最终答案。
-
概率是粗略的：报告里的概率和误差范围是 AI 估的，有最低误差保护（±5pp 起），别当精确值看。
执行方式
本 skill 通过 Workflow script 执行（scripts/workflow.js），支持循环和并行 subagent。
输入：
claim: string
thesis_path: string
problem_type: string
verify_mode: string
输出：验证报告（预测清单 + 数据验证结果 + 盲区清单），保存到对应目录下。
边界条件
| 场景 | 处理 |
|---|
| 命题属于 no_reference_class | 没有可类比的历史案例，提前终止，返回 NOT_APPLICABLE |
| thesis_path 不存在 | 直接基于你输入的结论文本继续 |
| B1 API 不可用 | 标记该条数据查不到，不算已验证 |
| B2 Idealab API 不可用 | 降级为 WebSearch 独立验证（Agent B 独立搜索+解读），标注 degraded_mode。详见 b2-web-search-fallback.md |
| B2 源搜索失败 | 标注"原始资料获取失败"，该条计入未覆盖 |
| D2 区分力不足 | 预测太模糊无法验证，自动跳过 |
| D7 未覆盖率 >50% | 输出警告：大部分预测没验到，不能说"没问题" |
核心机制：预测 → 验证 → 找盲区
Phase 1 B1 B2 汇总
拆预测 → 查数据 → 交叉验证 → 找盲区
把结论拆成具体预测 用 API 查真实数据 两个 AI 独立解读 预测 vs 实际
检查预测是否够具体 代码判断方向对不对 Claude vs Qwen 不一致 = 盲区
每个断言拆两个方向：
证伪方向 + 零假设方向
七条设计原则（简版）
| # | 原则 | 白话 |
|---|
| D1 | 数据打脸才是进步 | 没有被数据反驳的预测不算深挖 |
| D2 | 预测必须够具体 | "可能涨也可能跌"这种预测不算数 |
| D3 | 数据源不让 AI 挑 | 查什么数据由代码控制，AI 不能挑对自己有利的 |
| D4 | 解释要用已知框架 | v4.0 待实现 |
| D5 | 大转弯由人类决策 | v4.0 待实现 |
| D6 | 发现可以存档复用 | v4.0 待实现 |
| D7 | 查不到的要说出来 | 超一半预测没验到 → 必须警告 |
验证维度
金融场景：
| 维度 | 验什么 | 数据从哪来 |
|---|
| 宏观 | 行业趋势、政策方向、经济周期 | FRED、央行报告、BIS |
| 公司 | 财务数据、运营指标、业务管线 | SEC Filing、交易所公告 |
| 市场 | 价格走势、资金流向、波动率 | OpenD、期权链、融券数据 |
代码场景：
| 维度 | 验什么 | 数据从哪来 |
|---|
| structure | 文件/函数/模块的结构事实 | wc -l, grep, git ls-tree, find |
| behavior | 运行时行为、测试结果、调用链 | test execution, grep 调用链, coverage |
| intent | 设计意图、变更原因、文档声明 | git blame, commit msg, SKILL.md |
双模型交叉验证（B2）
--verify-mode 参数（UltraPlan）：显式控制 B2 验证模式，支持 pipeline --parallel 并行 fan-out。
| 级别 | 参数值 | 配置 | 说明 |
|---|
| L1（降级） | single | 仅 Claude | 同模型双提示词，两个视角 |
| L1.5（WebSearch 降级） | — | Claude + WebSearch | Agent B 独立搜索+解读，不同数据源提供独立性。Qwen 不可用时自动触发。详见 b2-web-search-fallback.md |
| L2（默认） | dual | Claude + Qwen | 两个不同模型各自独立解读 |
| L3（扩展） | triple | +Gemini | 三模型多数投票，分歧时 Gemini 裁决 |
UltraPlan 并行模式：当 pipeline 启用 --parallel 时，L2 的 Claude 和 Qwen 并行执行（而非顺序），L3 时三模型同时执行。验证结果合并规则：
- 一致 → VERIFIED
- 不一致 → DISPUTED（标记分歧，触发下一级裁决）
- L3 分歧 → 多数投票，少数方记录
与其他 Skill 的配合
| Skill | 它做什么 | 怎么配合 |
|---|
feynman | 认知纪律审查 | Feynman 发现证据不足的判断否决时，委派 Bayes 做定向深挖验证 |
hegel | 迭代收敛管线 | hegel 管线在 S3（calibrate）和 S5（verify）步骤中调用 bayes，mode 参数由 hegel lens §4 配置。独立调用时使用 references/lens-bayes.md 提供领域适配 |
hv-analysis | 横纵分析 | hv 产出分析结论，本 skill 深挖验证结论靠不靠谱 |
deep-research | 深度调研 | 调研报告可作为 Bayes 的输入，Bayes 也会调用它查资料 |
evidence-chain | 证据管理 | Bayes 找到的一手证据可以存入证据链 |
thesis-update | 更新判断 | 验证后修正的概率可以回写 |
常见审查偏差（速查）
详见 bias-checklist.md。
| 偏差 | 一句话解释 |
|---|
| 独立性假设 | 把相互关联的因素当成独立事件 |
| 时间错配 | 拿不同时间段的数据放一起比 |
| 循环论证 | A 证明 B、B 又证明 A |
| 锚定偏差 | 第一印象太强，后面怎么调都调不够 |
| 幸存者偏差 | 只看成功案例，忽略失败的 |
| 方向偏斜 | 所有修正都偏向同一个方向（可能在自欺） |
按不确定性类型的深挖角度
| 类型 | 深挖角度 | 白话 |
|---|
| 确定性 | 因果链验证 | 你说的因果关系真的成立吗？ |
| 确定性 | 奥卡姆检验 | 有没有更简单的解释？ |
| 确定性 | 边界有效性 | 你假设的前提条件还成立吗？ |
| 信息不足 | 先验边界 | 搜索范围是不是太窄，漏掉了可能性？ |
| 信息不足 | 信息缺口 | 有没有能查到但你没查的关键信息？ |
| 信息不足 | 更新质量 | 证据的权重给得合理吗？ |
| 本质随机 | 遍历性检验 | 平均值能代表个体吗？有没有爆仓风险？ |
| 本质随机 | 不可约性 | 真的没法再查了，还是懒得查？ |
| 本质随机 | 尾部风险 | 极端情况被低估了吗？ |
problem_type 适配（pipeline 传入）
| problem_type | Phase 1 预测拆解 | B1 验证标准 | 深挖角度偏好 |
|---|
| deterministic | 拆为二元判定预测（成立/不成立） | 要求确定性证据（代码执行、形式化证明） | 确定性类：因果链验证、奥卡姆检验 |
| non_deterministic | 拆为概率区间预测 | 接受概率性证据，关注置信区间 | 本质随机类：遍历性检验、尾部风险 |
| mixed | 按子问题分别拆解 | 分区域验证 | 混合使用两类深挖角度 |
| pending | 当前行为 | 当前行为 | 按现有不确定性类型自动判定 |
理论基石
认识论纪律见 theoretical-foundations.md。
深度生成机制见 depth-engine-principles.md（v4.0 北极星）。
- 初始判断是猜想，不是结论（Popper）
- 区分硬核与保护带，优先检验硬核（Lakatos）
- 从参照类别基准率出发（Tetlock）
- 用条件概率替代独立性假设（Tetlock）
- 修正全偏一个方向 = 退化信号（Lakatos）
- 进一步研究不改变行动时停止（Good VOI）
- 按不确定性类型选推理工具（Dual-Framework / 边界锚定+结构监测+自适应行动）
- 集合平均≠时间平均，非遍历系统需 Kelly 而非期望值最大化（Peters）
常见踩坑（反模式）
| 坑 | 表现 | 怎么防 |
|---|
| 假审查 | 审完发现"全是对的" | 检查是否所有修正都偏同一方向 |
| 单方向预测 | 所有预测都是证伪方向，零假设方向缺失 | Phase 1 每个核心断言必须同时拆出 falsification_prediction + null_hypothesis_prediction |
| 精度幻觉 | "概率是 16.3%" | 强制最少 ±5% 误差范围 |
| 锚定陷阱 | 第一印象只微调 | 用基准率重新校准 |
| 无限循环 | 每轮都找到新问题 | 设最大轮次安全阀 |
| 过早收工 | 第 1 轮就说"够了" | 至少跑 2 轮 |
| 发现问题不扩误差 | 找到问题但概率不变 | 代码强制：发现问题必须扩大误差范围 |
| 伪独立 | 5 个 AI 都说同一结论 | 报告里声明局限性，建议找人审 |
规格化桥接提示
💡 规格化桥接提示：验证通过的预测（prediction + verified=true）可被提取为 Success Criteria（如 "SC1. 当 X 条件成立时，Y 指标应在 Z 范围内"），用于后续 liam-plan/hegel 规格化输入。
文件结构
bayes/
├── SKILL.md # 本文件
├── DESIGN.md # 设计方案
├── manifest.json
├── scripts/
│ ├── workflow.js # v4.0 深度引擎（预测→测量→惊讶）
│ ├── workflow-v3.js # v3.4 备份（对抗审查循环）
│ └── spike-v4.js # v4.0 基础设施验证 spike
├── agents/
│ └── interface.yaml # 输入输出接口定义
├── references/
│ ├── theoretical-foundations.md # 认识论纪律
│ ├── depth-engine-principles.md # v4.0 深度引擎设计原则（北极星）
│ └── bias-checklist.md # 通用偏差清单（v3.4 遗产）
└── templates/
└── report-template.md
