技能 hypothesis-generation
📦
hypothesis-generation
内容修订 r1 安全 🌐 网络访问⚙️ 外部命令
生成可检验的科学假设
研究人员需要将观察结果转化为清晰、可检验的解释。此技能会组织证据审查、竞争性假设、预测和实验计划。
支持: Claude Codex Code(CC)
使用我的智能体安装
将此请求复制给你的智能体，其中包含权威 Skill 页面和清单。
智能体请求
Review the Skillstore skill "hypothesis-generation" from https://skillstore.io/skills/k-dense-ai-hypothesis-generation.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-hypothesis-generation/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.你的智能体仍应展示其计划，并按安全策略请求必要确认。
Agent 可读资源
当 AI Agent、爬虫或脚本需要干净上下文，而不是读取完整页面时，请使用这些链接。
测试它
正在使用“hypothesis-generation”。 观察结果：处理后细胞生长减慢，但存活率仍然很高。
预期结果:
- 解释细胞未死亡但生长减慢的三种竞争性机制。
- 关于细胞周期标志物、代谢活性和洗脱后恢复情况的预测。
- 两个带对照的实验，用于区分细胞生长抑制与延迟毒性。
正在使用“hypothesis-generation”。 观察结果：在纵向队列中，某个生物标志物在症状出现前升高。
预期结果:
- 因果性、代偿性和混杂关联假设。
- 围绕可检验性、简约性和解释力进行质量评估。
- 使用时间滞后分析、匹配对照和验证队列的研究计划。
正在使用“hypothesis-generation”。 目标：为资助规划会议准备假设报告。
预期结果:
- 包含优先假设和关键证据的执行摘要。
- 显示支持或证伪每种解释的结果的预测矩阵。
- 涵盖文献、方案、假设前提和局限性的附录大纲。
安全审计
安全v7 • 2026/7/6 打开版本化报告
Static reconnaissance and network findings are false positives from scientific prose and PubMed search templates. External-command detections are Markdown code fences or inline LaTeX and file references, with no evidence of hidden execution, credential access, or exfiltration. No prompt injection attempt or semantic abuse was found.
7
已扫描文件
3,001
分析行数
0
复核项
0
已忽略误报
风险因素
🌐 网络访问 (4)
⚙️ 外部命令 (32)
SKILL.md:40-42 SKILL.md:42-95 SKILL.md:95-125 SKILL.md:125-139 SKILL.md:139-166 SKILL.md:166-173 SKILL.md:173-181 SKILL.md:181-193 SKILL.md:193-195 SKILL.md:195 SKILL.md:196-197 SKILL.md:197-198 SKILL.md:198-199 SKILL.md:199-209 SKILL.md:209-221 SKILL.md:221-227 SKILL.md:227-232 SKILL.md:232-234 SKILL.md:234-242 SKILL.md:242-243 SKILL.md:243-248 SKILL.md:248-261 SKILL.md:261-263 SKILL.md:263-265 SKILL.md:265-281 SKILL.md:281-282 SKILL.md:282-283 SKILL.md:283-287 SKILL.md:287-288 SKILL.md:288-289 SKILL.md:289-294 SKILL.md:294-296
最新一次完成的静态与语义审计未检测到已确认的安全发现。这并不能证明该 Skill 没有副作用。
审计者: codex 查看审计历史 →
分享与引用此报告
分享版本化评估报告、中性徽章、嵌入卡片和引用。Skillstore 只报告证据，不判断该 Skill 是否安全。
复制报告链接
https://skillstore.io/skills/k-dense-ai-hypothesis-generation/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown 徽章
[](https://skillstore.io/skills/k-dense-ai-hypothesis-generation?utm_source=security_passport_badge)HTML 徽章
<a href="https://skillstore.io/skills/k-dense-ai-hypothesis-generation?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-hypothesis-generation/security.svg" alt="Skillstore security assessment" loading="lazy"></a>嵌入卡片
<iframe src="https://skillstore.io/embed/skills/k-dense-ai-hypothesis-generation.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>学术引用 (APA · BibTeX · CFF)
APA 引用
K-Dense-AI. (2026). hypothesis-generation security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-hypothesis-generation/audits/7BibTeX 引用
@techreport{k-dense-ai-k-dense-ai-hypothesis-generation-2026,
author = {K-Dense-AI},
title = {hypothesis-generation security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/k-dense-ai-hypothesis-generation/audits/7},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "hypothesis-generation security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
- name: "K-Dense-AI"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/k-dense-ai-hypothesis-generation/audits/7"
identifiers:
- type: other
value: "skillstore:k-dense-ai-hypothesis-generation:audit:7"
description: "Skillstore immutable audit report identifier"
比较变体
2 个可安装变体每位作者的技能都保持为独立的可安装项。推荐变体按 Skillstore 证据排序。
为什么此变体排名第一
Skillstore 评分最高
作者 / 来源 Skillstore 评分 证据置信度 Skillstore 使用量 已更新
k-dense-ai-hypothesis-generation
Skillstore 评分 80
证据置信度 高
Skillstore 使用量 29
已更新
2026-09-09
Skillstore 评分
评分依据 证据置信度: 高 59
架构
85
可维护性
87
内容
73
社区
91
规范符合性
你能构建什么
规划论文项目
将初步观察结果转化为竞争性假设、可测量预测和用于研究计划书的实验。
探索产品研究信号
分析意外的实验结果，并为下一轮实验室周期生成带有测试方案的机制解释。
评审研究方向
比较多种科学解释，并优先安排最有可能区分它们的研究。
试试这些提示
生成初始假设
使用此观察结果：[observation]。生成三个可检验假设、关键假设前提，并为每个假设给出一个预测。
比较解释
分析这些观察结果：[observations]。创建竞争性假设，按可检验性对它们排序，并列出区分它们所需的证据。
规划实验
针对这个假设：[hypothesis]。提出实验、对照、测量、混杂因素和证伪结果。
构建研究报告
为 [phenomenon] 制定结构化假设报告。包括文献搜索策略、竞争性机制、预测、实验设计，以及可用于附录的证据笔记。
最佳实践
- 在开始之前提供核心观察结果、领域、现有数据和已知约束条件。
- 要求提出竞争性假设，而不是单一偏好的解释。
- 在将拟议实验用于真实研究之前，请领域专家审查。
避免
- 使用该技能在不检验替代方案的情况下确认偏好的假设。
- 在未审查来源的情况下，将生成的引用或机制视为已验证。
- 在实验计划中跳过对照、混杂因素和证伪结果。
常见问题
此技能有助于生成什么？
它有助于生成可检验的科学假设、预测、实验计划和结构化假设报告。
它能搜索最新文献吗？
它可以指导文献搜索，并在环境提供相关工具时使用可用的网络工具。
它能替代主题专家吗？
不能。仍然需要专家审查可行性、安全性、伦理和解释。
哪些工具可以使用此技能？
报告列出了对 Claude、Codex 和 Claude Code 的支持。
哪些输入可以改善结果？
提供观察结果、测量数据、研究上下文、约束条件，以及相关论文或数据集。
它能创建可直接发表的报告吗？
它可以起草结构化 LaTeX 报告，但最终内容和引用需要审查。
开发者详情
作者
K-Dense-AI许可证
MIT license
Skillstore 修订
r1
版本提示
作者未声明版本。
引用
b8ca75d2c0a7e7102978993058777d82b8ab2610
维护新鲜度
2026/7/18
使用量
11 次下载 · 415 次浏览