good-science-iteration-loop

name	good-science-iteration-loop
description	当面对一个“困难”目标或复杂问题，需要在未知或不确定领域中找到解决方案时

good-science-iteration-loop

When to Use

当面对一个“困难”目标或复杂问题，需要在未知或不确定领域中找到解决方案时description

Core Logic

执行步骤

1. 目标承诺

   • 输入：一个具体的“困难”目标或待解决的核心问题。
   • 操作：明确并书面承诺此目标，确保其源于真实需求或不满，且具有足够的重要性以驱动持续行动。
   • 判断标准：目标表述清晰、具体，且个人对其有强烈的拥有感和承诺感。
   • 输出：一个稳固的、作为循环起点的目标锚点。

2. 形成假设并设计实验

   • 输入：步骤1中承诺的目标，以及当前所有可用信息。
   • 操作：基于现有认知，对“如何推进目标或解决问题”提出一个可验证的猜测（假设）。将该假设转化为一个可在现实世界中执行的具体、小规模的行动方案（实验）。
   • 判断标准：假设明确指出了行动与预期结果之间的关系；实验方案具体、可操作、风险可控。
   • 输出：一个待验证的假设及其对应的具体行动指令。

3. 执行并收集体验数据

   • 输入：步骤2设计的实验行动指令。
   • 操作：在现实环境中执行该行动。保持观察者心态，全面收集行动过程及结果的所有相关数据，包括客观结果、主观感受、意外发现等。
   • 判断标准：行动被完整执行；数据收集尽可能客观、全面。
   • 输出：关于实验过程和结果的原始体验数据集。

4. 分析数据并确认结果

   • 输入：步骤3收集的体验数据集。
   • 操作：分析数据，评估实验结果。核心判断标准是：此次实验让我离步骤1的目标更近了还是更远了？
     • IF 数据表明更接近目标 → 假设得到初步支持。记录有效因素，并思考如何在此基础上深化或扩展。
     • IF 数据表明未接近甚至远离目标 → 假设被证伪或部分证伪。分析失败原因，明确哪些认知需要修正。
   • 判断标准：分析基于数据而非臆想；结论明确指向对假设的验证或修正方向。
   • 输出：对当前假设有效性的判断，以及用于指导下一轮循环的认知更新。

5. 迭代循环

   • 输入：步骤4输出的认知更新（无论假设被支持还是证伪）。
   • 操作：带着更新后的认知，返回步骤1（重申或微调目标）或直接进入步骤2，形成新的、更优的假设，并设计下一轮实验。
   • 判断标准：循环持续进行，每一轮都基于上一轮的结果进行优化。
   • 输出：持续向目标逼近的动态过程和在实践中创造的新知识。

输出格式要求

以实验日志条目格式呈现，每次循环包含：

1. 循环编号与日期。
2. 本轮目标（可继承或微调）。
3. 提出的假设。
4. 执行的实验（具体行动）。
5. 观察到的数据与体验。
6. 分析与确认（假设是否被支持？离目标更近/更远？关键学习点）。
7. 下一轮假设的初步想法。

Metadata

属性	值
领域	问题解决
类型	procedural (procedural)
置信度	95%
前置条件	已明确一个具体且重要的目标或待解决的问题
来源	成为你人生的主角：理解现状与困境 > 反抗默认路径