用途:把一条观察转成一套透明的候选解释与检验方案,而非把假说当作发现、事实、诊断或建议。强调假说必须可被挑战。
主要能力:1)范围与安全门:记录人类责任人、数据敏感性、授权与保留、受影响对象、所需伦理/生物安全/双重用途/法规审查;未授权前敏感或未发表材料保持本地。2)冻结观察:先写测量与来源、人群/系统/时间、观察单位与分析单位、不确定性、缺失与预处理。3)界定研究问题:按需选用PICO/PICOT、PECO、诊断准确性、预后或领域专用框架;FINER仅用于问题精炼,不是评分系统。4)建立带日期的证据边界:记录检索日期、库、查询与筛选,写“在已有检索边界内未发现”,不写“无先前工作”。5)先造竞争者:提出机制、测量伪影、混杂、选择、碰撞、反向因果、边界条件、随机变异等多类候选;先独立生成再借助AI扩展。6)声明主张类型与因果估计量:区分描述、关联、预测、因果、机制;因果目标需预先定义人群、暴露与对照、结局、时间范围、识别假设。7)推导可区分预测:为每个候选写条件、可观测量、预期模式、不确定性、不相容结果,并与至少一个竞争者对比;可加阴性对照等。8)操作化与测量验证:变量角色、工具、校准、信度效度、缺失、变换与切点;命令:python3 scripts/check_operationalization.py local-operationalization.json。9)设计与分析匹配主张:样本量、随机化、盲法、对照、估计量、多重性、缺失处理、稳健性、复现验证;不设通用最小样本量,不把p值当作假说为真的概率。干预试验可参照SPIRIT 2025与CONSORT 2025。10)防HARKing:在接触目标结局前加时间戳记录问题、候选、预测、分析、多重性与停止规则;事后标注探索性并报告偏离,不把观察到的模式改写为先验预测;预注册是透明计划而非禁止调整。11)复现与更新:区分可重复计算与跨研究可复制,保留溯源与版本,新证据到来时更新候选状态,不隐藏阴性结果。12)人类问责:人工核验每条引文、领域合理性、测量效度、因果假设、伦理法规与AI辅助文本;AI可能编造引文、锚定推理并同质化候选。
本地工具:均为有界、无外部依赖、本地、确定性、不评分。命令:python3 scripts/validate_hypothesis_schema.py record.json;python3 scripts/validate_prediction_matrix.py matrix.csv;python3 scripts/lint_causal_claims.py draft.md;python3 scripts/check_falsification_controls.py controls.json;python3 scripts/audit_evidence_ledger.py ledger.csv boundary.json;python3 scripts/generate_preregistration_scaffold.py record.json -o preregistration.md。退出码0为结构有效,1为校验完成但有错误,2为输入畸形或不安全;报告只校验声明与内部一致性,不判断科学真伪。
限制:禁止把假说、机制、因果效应、引文或表面模式当作既定证据;禁止由关联、时序或预测精度推断因果;不得提供个体诊断、治疗、剂量或预后建议;不得提供病原体、毒素、武器或规避的优化操作细节;不得绕过IRB/REC、IACUC、IBC等审查;不得编造来源、数据或预注册;不得自动评分、排名或选定假说。跨安全门时只给出高级别风险与监督提示并转交合格本地机构。适用场景:科研假说构思、竞争解释梳理、因果设计前置规划、预注册准备与证据审计。
其他:资料未提供定价、平台可用性或用户规模信息。