用途：本技能面向 ChicagoHAI/hypothesis-generation 仓库与 PyPI 包 hypogenic，用于 LLM 辅助的假设生成。HypoGeniC 从带标签数据中迭代提出并评分文本模式，HypoRefine 增加文献来源信息，联合流程可合并假设库。其输出是候选文本假设库和任务预测统计，不构成实验确认、因果证据、临床结论或科学新颖性证明；留出集上的预测准确率只评估任务效用。
主要能力：分类请求（软件使用、假设表述、下游验证）；记录包、数据源、模型/提供方、目标路径、划分策略与预算；校验本地运行策略与官方任务配置；审计数据集校验和、模式、重复与划分泄漏；生成有界成本/运行计划；本地检查假设库与结果；在保留测试集上评估一次并报告局限。随附脚本 validate_config.py、plan_run.py、audit_dataset.py、inspect_outputs.py、evaluate_local.py 均为确定、有界、仅本地，不会导入 hypogenic、联系模型或执行配置中的数据文本。
使用方式：稳定版本为 hypogenic==0.3.5（2025-07-16 发布，Python>=3.10）。安装命令：uv venv --python 3.12 .venv 与 uv pip install "hypogenic==0.3.5"。官方 CLI 入口为 hypogenic_generation --help 和 hypogenic_inference --help。提供方选项有 gpt、claude、vllm、huggingface。任何外部 LLM 调用、模型下载或数据上传前需单独确认；保持 send_test_split false，日志不低于 INFO 并脱敏。
限制：包依赖较旧且广（含 PyTorch 2.4、Transformers 4.45、OpenAI 1.40、Anthropic 0.32），应在隔离环境解析，不要合并到无关应用。上游 CLI 存在日志参数颠倒、本地模型路径误传等问题；GPT/Claude 包装器有兼容性风险。上传到托管模型时数据和假设文本会离开本机，需重新核对提供方保留与隐私政策。定价、模型可用性等具体数值暂未提供。