research-idea-clarifier

name	research-idea-clarifier
description	将模糊的 AI、深度学习和序列表征学习想法整理成更清晰的目标、假设、可检验命题、对比维度和最小可行实验。当用户只有粗糙 idea、半成型方法或零散笔记，需要把它们变成研究方向时使用。

想法澄清器

在你真正投入实验预算之前，用这个技能先压缩不确定性。

当一个 idea 需要更强的科学式发散或更明确的 hypothesis framing 时，读取 references/upstream-patterns.md。

工作流程

1. 先把 idea 重述为：
   • task
   • pain point
   • proposed change
   • expected benefit
2. 强制把想法压缩进一个小决策框架：
   • 要改进的表征是什么
   • 引入了什么 inductive bias
   • 应该击败什么已有 baseline
   • 什么证据会让这个 idea 变得可信
3. 明确区分：
   • core idea
   • optional bells and whistles
   • assumptions that might break
4. 对序列表征学习，显式检查：
   • 提升到底来自更长上下文、更好的目标函数、更强数据还是更强结构
   • 方法是否在序列长度变化或 domain shift 下仍然稳定
   • 是否有一个简单 baseline 就能解释看似显著的提升
5. 将结果整理成：
   • 一句贡献总结
   • 2-3 个可检验 hypotheses
   • 第一个最小可行实验
6. 如果想法看起来太弱或赛道太拥挤，转交给 research-novelty-audit。
7. 如果 framing 已经稳定，转交给 research-experiment-design-planner。

输出要求

返回：

• 一版整理后的 idea statement
• 关键假设与风险
• 两个核心对比维度
• 第一个该跑的实验

示例

• “使用 $research-idea-clarifier 把这个粗糙的序列表征想法磨成可验证方案。”
• “使用 $research-idea-clarifier 把这份方法笔记整理成一个研究方向。”
• “使用 $research-idea-clarifier 告诉我这里真正的核心贡献是什么。”