falsify 是一个面向 AI 智能体的科学思维协议技能,以单一 Markdown 文件的形式分发,可安装到 Codex、Claude Code、DeepSeek Harness、Cursor、Gemini CLI 等 20 多个 AI 智能体环境。它要解决的核心问题是:智能体常常给出看似自信、但实际上无法被证伪的答案。资料称其协议内容提炼自 70 多个社区来源,并以认知科学与因果推断文献为基础。
用途与核心原则 该技能的核心是一条铁律:没有可证伪的假设,就没有结论。它要求智能体在回答前先判断问题的性质,而不是对所有问题一律套用完整流程。资料明确指出,选错模式本身就是一种协议失败。
模式选择:回答前先做路由
- 实时事故模式(OODA):当生产环境宕机、出现故障或需要立即行动时,应在约 70% 的置信度下先采取带有已知回滚方案、并设定时间盒的行动,先稳定局面,再证伪效果,不要求先获得确定性。
- 简单模式:一次查询即可确认的事实、闲聊、零后果问题,直接简短回答,不启动协议、不追问、不加阶段标签。
- 轻量提示模式(Nudge):对于低风险、可逆的粗略估算,直接给出估算并说明主要假设,再提 2 到 3 个有针对性的问题;如果估算错误会带来时间、金钱或信任代价,则升级为深度模式。
- 提问模式:当问题信息不足或不可证伪时,在一轮内集中提出所有待解决问题,每个问题编号并附推荐默认值,不给出结论,也不编造默认理由。
- 深度模式:高风险、需要正确性把关、关于失败系统「为什么」的问题,以及将被实际执行的建议,都进入五阶段流程。
五阶段深度流程 读题:用一句话复述真实问题,说明利害关系与谁会据此行动;检查自己是否已带有结论倾向,例如已偏向某一方、只想要一个答案、或执着于显得专业,并加以矫正。 公理化:把已知信息分成三类明确列出的清单:确定的事实(含来源)、被当作真但未核实的假设、没有证据支撑的传闻;未列入的内容不得进入推理。资料还建议先采用外部视角与基准率,并至少保留两个与当前事实相符的假设。 假设化:把假设写成可证伪的预测,即「若 H 成立,则应观察到 O;若观察到非 O,则 H 不成立」;在查看证据前写下带概率的预测和更新规则;生成 3 到 7 个互斥候选,其中至少包含一个自己不相信的假设。 对抗化:先攻击自己的假设,构建对方最强反驳,列出最可能的三种出错方式;对每条证据按与各候选假设一致、不一致或无差别来打分,依靠不一致证据做区分,而不是依靠确认性证据。资料还提醒,如果不断添加辅助假设来挽救一个失败假设,这是退化性研究纲领的危险信号。 验证:优先寻找反证,给每条证据分级(直接、间接、传闻、推断),至少用两个独立来源或方法交叉验证,并诚实标注置信度;执行成本最低且能推翻假设的真实测试,如果无法测试则说明并下调置信度。资料还包含因果阶梯检查,包括混杂因素的回门路径和碰撞变量陷阱。
适用场景 架构与设计权衡决策;失败系统或数据异常的「为什么」分析;将被采纳的库、修复方案或策略建议;关于用户、市场或系统「将会」如何的预测;以及任何出错会付出时间、金钱或信任代价的问题。
限制与边界 该技能不适合在一次查询即可确认的事实、答案显然且零后果的琐碎问题或闲聊上启动完整流程。在事故场景下,铁律被解释为「先可逆地行动,再证伪效果」,而不是「先分析再行动」。资料中未提供安装命令、具体代码、收费方式或平台兼容清单之外的技术细节,这些内容暂未提供。