SuperAPI AI 工具集

synthesis-application

通用与其它

查看项目

更新于 10-16 09:25

技能介绍

用途

synthesis-application 是一个领域无关的方法论技能,作为关键评估关卡,运行在组件提取之后、最终产物构建之前。它提出 Adler 的第三层次问题:"这是真的吗?那又怎样?",在逻辑缺口、缺失部分、矛盾和实践适用性问题传播到下游产物之前将其捕获。

该技能由智能体在结构化提取组件集合上自主调用,不与操作者进行对话。

主要能力

该技能执行五步工作流:

  • 步骤 1:完整性检查——所有主要组件类型是否都存在?
  • 步骤 2:逻辑检查——各部分是否连贯?是否存在矛盾?
  • 步骤 3:适用性检查——这实际上能被应用吗?
  • 步骤 4:缺口填补建议——调用智能体需要补充什么?
  • 步骤 5:输出结构化发现 + 单一 GO / GO-WITH-GAPS / NO-GO 判定

使用方式

调用智能体传入以下输入:

  • extracted_components:已提取内容的结构化载荷(术语、命题、论证、解决方案、假设等)。格式取决于调用方。
  • purpose_context:提取的目的。完整性标准取决于它。示例包括 purpose=skill_construction(调用方即将从这些组件构建 SKILL.md)、purpose=paper_pass_3_input(调用方即将对这些组件进行 Pass 3 深度阅读)、purpose=evidence_synthesis(调用方即将从这些组件撰写报告)。
  • domain_hint:可选,来源所属领域。

输出结构如下:

Synthesis-and-Application Output

Completeness check

For each major component type expected for purpose={purpose_context}:

  • {Component type}: {present | partial | missing} — {one-line rationale}
  • ...

Logic check

  • Gaps: {list of "the artifact jumps from A to C without explaining B" issues, or "none found"}
  • Contradictions: {list of "section X contradicts section Y" issues, or "none found"}
  • Hidden assumptions: {assumptions stated implicitly that should be made explicit, or "none flagged"}
  • Unsupported claims: {claims without evidence or reasoning, or "none flagged"}

Applicability check

  • Concrete enough to act on: {yes | partial | no} — {rationale}
  • Decision criteria specified where needed: {yes | partial | no} — {rationale}
  • Edge cases covered: {yes | partial | no} — {which edges are unaddressed}

Gap-fill recommendations

  • {Specific item the caller should add or seek before downstream commitment}
  • ...

Verdict

{GO | GO_WITH_GAPS | NO_GO}

Rationale: {2-3 sentences}

按 purpose_context 划分的组件类型

不同的下游产物需要不同的组件清单。完整性检查使用相关清单。

purpose = skill_construction:SKILL.md 需要术语(无歧义定义的关键概念)、命题(有证据或推理支持的断言)、论证(从前提到结论的完整逻辑序列)、解决方案(展示应用的具体示例或模板)、决策标准(在方法论分支处如何在备选方案间选择)、触发条件(何时应调用此技能)。

purpose = paper_pass_3_input:深度阅读需要主论证(3-5 句话的主线)、大问题(领域级问题)、假设(正在被检验的具体断言)、证据清单(承载论证的图表、表格、参考文献)、困惑(Pass 2 中未理解的内容——Pass 3 的议程)。

purpose = evidence_synthesis:报告需要断言(结构化命题)、来源(每个断言的出处)、来源质量(对每个来源的评估)、冲突证据(来源不一致之处)、置信度评级(每个断言)。

对于其他 purpose_context 值,调用智能体应在输入中指定预期的组件类型——此技能不会静默扩展清单。

逻辑检查——寻找什么

缺口——结论之间缺失的前提:"文档从 A 跳到 C 而没有解释 B。""步骤 5 引用了步骤 4 未确立的内容。"

矛盾——内部冲突:"命题 2 说 X,但命题 7 说非 X。""框架的维度 1 和维度 3 以未说明的方式重叠。"

隐藏假设——未浮出的承重前提:"该方法论假设用户有权访问 PHI 却没有说明。""该框架仅在规模 > 10K 用户时有效——从未说明。"

无支撑断言——没有依据的断言:"声称 X 在 80% 的情况下有效,但没有引用来源。"

输出是列表。该技能不修复缺口——它将其浮出并建议行动。

适用性检查——寻找什么

足够具体可行动:提取的"原则"如"始终数据驱动"过于模糊。具体的是"在每个冲刺之前,拉取上个月的指标趋势并识别一个要调查的差异。"

决策标准已指定:当方法论分支时("如果 X,做 A;如果 Y,做 B"),X 与 Y 的区分是否足够清晰,使不同的智能体能够遵循?

边界情况已覆盖:在边界处会发生什么——空输入、冲突输入、错误状态?如果对边界保持沉默,则标记。

常见模式

模式 A——技能创建关卡:purpose=skill_construction。在技能创建工作流中,在步骤 3(组件提取)之后、步骤 5(技能构建)之前运行。判定决定智能体是继续构建 SKILL.md 还是返回来源进行更多提取。

模式 B——论文 Pass 3 就绪:purpose=paper_pass_3_input。在论文提取的 Pass 2(内容理解)之后运行。判定决定 Pass 3 是否值得运行,或者论文是否需要先在 Pass 2 重新阅读。

模式 C——综合前证据审计:purpose=evidence_synthesis。在撰写综合报告之前,对研究断言映射输出运行。捕获"收集的证据实际上并不支持你即将写下的结论"。

适用场景

该技能适用于以下场景:在技能构建前评估提取组件的完整性;在论文深度阅读前判断是否值得进行 Pass 3;在撰写证据综合报告前审计证据是否支持结论。

限制

护栏:

  • 不修复缺口;将其浮出。此技能产生结构化问题列表和判定。它不修改提取的组件。调用智能体决定如何处理。
  • 当组件稀疏时,不降低完整性标准。GO_WITH_GAPS 意味着"你可以继续,但这是缺失的内容"——而不是"这没问题,因为我们没有更多了"。
  • 判定很重要——不要软化它。GO / GO_WITH_GAPS / NO_GO 是离散信号。如果你意思是 NO_GO,就写 NO_GO。调用智能体的流水线依赖它。
  • 不从来源之外导入信息。完整性是根据已提取的内容判断的,而不是模型对该主题的了解。

相关技能

  • inspectional-reading——第一阅读层次,在提取开始前运行。
  • structural-analysis——第二层次,在检视阅读和组件提取之间运行。
  • research-claim-map——对于证据综合目的,是上游技能,产生此技能评估的结构化断言-来源-质量载荷。
  • negative-contrastive-framing——与逻辑检查的"未说什么"部分自然配对。
  • skills/skill-creator/SKILL.md 中的 skill-creator 技能将此技能作为其步骤 4 调用。
  • paper-three-pass-extraction 在 Pass 3 之前调用此技能,以决定深度阅读是否值得。