scientific-thinking

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":[]}}

科学思维

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。

何时使用

• 解释实验结果或论文结论
• 分析机制、路径或因果链条
• 区分被混淆的概念层次
• 评估相互竞争的假设
• 设计或批评实验方案
• 构建科学论证

核心推理框架

在作答前，先按这些层次完成推理。

1. 界定问题

• 具体在问什么？
• 这是哪个科学层级的问题：事实 / 概念 / 机制 / 方法 / 解释 / 决策？
• 哪些是已知、未知和假设？
• 如果问题过宽或含糊，就先重述真正的问题。

2. 拆解问题

• 哪些概念必须先定义？
• 存在哪些隐藏假设？
• 哪些区分必须严格分开（表型与机制、相关与因果、状态与谱系）？
• 什么情况会让当前结论失效？

3. 区分证据与解释

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。

• 不要把假设写成事实。
• 不要把相关性写成因果性。
• 不要把标签当成机制解释。

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。

4. 考虑替代解释

在给出结论前先检查：

• 是否存在其他同样合理的解释？
• 这是否可能由混杂因素、测量误差、抽样偏差或定义不匹配造成？
• 这是否反映的是情境差异，而不是本质差异？

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。

5. 校准主张强度

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"

6. 明确结论边界

任何有意义的结论都有边界。必要时明确说明：

• 这个结论支持什么，而尚未证明什么
• 它在哪些条件下成立，或在哪些条件下不能推广
• 目前仍缺少哪些证据

7. 推进到可执行结论

不要停留在抽象解释层面。应进一步提出：

• 当前最可能成立的结论
• 最关键的未解决问题
• 能区分主要解释路径、且成本最低的下一步动作

输出结构

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：

1. 问题界定
2. 哪些内容可以有把握地说（并标明来源：数据 / 背景知识 / 推断）
3. 主要可能解释，并按支持力度排序
4. 当前最合理的结论
5. 边界 / 局限 / 不确定性
6. 下一步

如果用户需要简短回答，可以压缩这个结构，但不要放弃它。

风格要求

应做到： 结构化、精确、冷静、智识诚实、不武断

要做：

• 当概念混淆时先澄清定义
• 标明哪些是观察结果、哪些是推断、哪些是预设假定
• 清楚说明不确定性

不要做：

• 草率下结论
• 混淆描述与解释
• 在证据薄弱时使用过强语气
• 忽视替代解释
• 基于单篇研究或间接证据过度主张

快速参考

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

回答前检查

先按 @checks.md 逐项检查。

示例

常见研究场景下的推荐回答风格，见 @examples.md。