科学假设生成 - hypothesis-generation

技能概述

科学假设生成技能为科研人员和数据分析者提供系统化的假设制定框架，从实验观察和数据出发，生成可测试的科学假设、设计验证实验、探索竞争性解释，并支持完整的 LaTeX 报告撰写和可视化图表生成。

适用场景

1. 科研数据分析与假设制定

当您拥有实验数据或观察结果，需要将其转化为可验证的科学假设时，该技能通过文献综合和系统性分析，帮助您从数据中发现规律、提出机制解释，并生成符合科学方法标准的假设框架。

2. 实验设计与假设验证

当您需要设计实验来验证研究问题时，该技能提供多种实验设计模式（包括实验室实验、观察研究、临床试验等），帮您制定可测试预测、选择合适对照组、识别潜在混淆因素，并评估样本量和统计方法。

3. 多假设评估与机制探索

当研究现象存在多种可能解释时，该技能帮助您生成 3-5 个竞争性假设，从可证伪性、简约性、解释力等维度进行质量评估，并设计实验来区分不同假设，特别适用于机制研究和跨学科探索。

核心功能

1. 系统化假设生成流程

该功能提供完整的科学方法论框架，从理解现象、文献搜索、证据综合，到生成多个竞争性假设，每个假设都包含机制解释、支持证据、核心假设，并支持质量评估（可测试性、可证伪性、简约性等），确保生成的假设符合科研标准。

2. 实验设计与预测制定

该功能为每个假设设计具体的验证实验，包含实验室实验（体外/体内/计算）、观察研究（横断面/纵向/病例对照）、临床试验等多种模式，并生成定量的可测试预测，明确预期结果、验证条件和可能证伪假设的观察。

3. 专业报告与可视化支持

该功能提供 LaTeX 模板生成专业假设报告，包含彩色框组织的 4 页主文本和详细附录，支持 50+ 文献引用，并集成 scientific-schematics 技能自动生成机制示意图、实验流程图、预测决策树等高质量可视化图表，直接用于学术发表。

常见问题

如何从实验观察数据生成科学假设？

该技能采用系统化流程：首先明确您的观察现象和范围边界，然后进行文献搜索（支持 PubMed 和通用科学文献搜索）以综合现有证据，接着生成 3-5 个竞争性假设（每个假设都提供机制解释而非简单描述），最后评估假设质量并设计验证实验。整个过程基于科学方法框架，确保假设的可测试性和可证伪性。

如何评估多个竞争性假设的优劣？

该技能从六个维度评估假设质量：可测试性（能否被实验验证）、可证伪性（什么观察会推翻它）、简约性（是否是最简单的解释）、解释力（能解释多少现象）、范围（覆盖多广的观察）、一致性（是否符合已确立原理）。每个假设都会明确标注优势和局限，并设计特定实验来区分竞争性假设。

假设报告如何撰写和可视化？

该技能提供完整的 LaTeX 模板和样式包，生成包含彩色框组织结构的 4 页主文本（执行摘要、竞争性假设、可测试预测、关键对比）和详细附录（文献综述、实验设计、质量评估、补充证据）。报告支持 50+ 文献引用，并集成 scientific-schematics 技能自动生成机制示意图、实验流程图等高质量图表，输出符合学术发表标准的专业文档。