| name | verification-design |
| description | 使用 ChemDeep MCP 为科学假设设计实验和计算验证方案。当用户要求设计实验方案、验证假设、规划研究路线或设计对照实验时触发。通常在 hypothesis-generation 之后使用。 |
| tools | ["mcp__chemdeep__design_verification_plan","mcp__chemdeep__cluster_methods","mcp__chemdeep__extract_evidence","mcp__chemdeep__evaluate_hypotheses"] |
证据验证设计 (Verification Design)
为化学/材料科学的机理假设设计系统性的实验和计算验证方案。
适用场景
- 用户已有机理假设（来自 hypothesis-generation 或自行提出），需要设计验证方案
- 需要规划实验步骤来证实或证伪某个假说
- 需要设计对照实验和关键控制变量
- 需要结合计算模拟和实验方法的综合验证策略
⚠️ Token 节约规则
- 不要重复生成：同一组假设不要多次调用 design_verification_plan
- 精确输入：提供完整的假设描述和证据摘要，避免因信息不足导致重新调用
- 按需聚类：只在用户需要了解现有方法时才调用 cluster_methods
- 一次性规划：将所有需要验证的假设一次性传入，不要逐个调用
前置条件
此 skill 需要以下输入之一：
- 来自
hypothesis-generation skill 的假设列表及评估结果
- 用户直接描述的假设和已有证据
工作流
步骤 1：收集假设信息
确认用户要验证的假设：
| 所需信息 | 说明 | 是否必需 |
|---|
| 假设描述 | 每个假设的机理主张 | ✅ 必需 |
| 假设状态 | ACTIVE/REJECTED/FROZEN | 推荐 |
| 已有证据摘要 | 文献中已知的相关结果 | ✅ 推荐 |
| 可用资源 | 实验设备、计算资源等 | 可选（影响方案可行性） |
如果用户提供了足够信息，直接进入步骤 2。
步骤 2：技术方法参考（可选）
如果用户希望了解文献中已有的验证方法：
→ cluster_methods(evidence=<相关证据列表>)
展示现有技术路径及其优劣势，供用户参考。
步骤 3：生成验证方案
→ design_verification_plan(
goal=<研究目标>,
hypotheses=<假设列表>,
evidence=<已有证据列表，可选>,
method_clusters=<技术路线簇列表，可选>
)
注意：
goal 是必需参数，传入研究目标描述hypotheses 是必需参数，传入所有需要验证的假设evidence 可选，传入已提取的证据列表（来自 extract_evidence 输出），用于基于证据 gap 设计method_clusters 可选，传入技术路线簇（来自 cluster_methods 输出），用于参考现有方法- 将所有需要验证的假设一次性传入
步骤 4：展示验证方案
以结构化方式向用户展示验证方案：
对于每个假设：
1. 实验验证路线
- 关键实验及其目的
- 对照组设计
- 预期正/反结果
- 所需设备和条件
2. 计算验证路线（如适用）
- 推荐的计算方法（DFT、MD、Monte Carlo等）
- 需要计算的关键参数
- 计算精度要求
3. 决策矩阵
- 什么结果支持假设？
- 什么结果否定假设？
- 什么结果需要修正假设？
4. 优先级建议
- 哪些实验最关键（能最快区分假设对错）
- 推荐的执行顺序
- 预计时间和成本（如果可估算）
步骤 5：迭代优化（按需）
如果用户对方案有疑问或需要调整：
- 根据用户反馈修改资源约束，重新调用
design_verification_plan
- 或者直接在对话中帮用户优化方案细节（不需要工具调用）
约束
- 不要在没有明确假设的情况下设计验证方案
- 不要为已经被充分证据否定的假设（REJECTED）设计验证方案，除非用户明确要求
- 不要生成过于笼统的方案（如"做更多实验"），必须具体到方法、条件、预期结果
- 不要忽略对照实验的设计
- 方案应考虑可行性：如果用户说明了资源限制，方案必须在限制范围内
- 优先推荐能同时区分多个假设的关键实验（效率最高）
- 对每个实验，必须说明预期的正结果和负结果分别意味着什么
