SuperAPI AI 工具集

rigorous-reasoning

通用与其它

查看项目

更新于 10-16 05:26

技能介绍

用途

Rigorous Reasoning 是一个严谨推理框架,基于哲学与科学方法,用于分析、评估和构建论证。当需要分析逻辑、评估论点、构建证明或检验推理有效性时,可使用该技能。

主要能力

核心原则

1. 苏格拉底方法

通过持续提问来澄清和挑战假设:澄清定义 → 挑战假设 → 质疑证据 → 探索后果 → 考虑替代方案。示例提问包括:“当你说 X 时,你如何定义 X?”“这个论证基于什么假设?”“什么证据支持这个结论?”“如果这是真的,逻辑后果是什么?”

2. 标准论证结构

每个论证必须包含:前提(可验证的主张)→ 推理规则(肯定前件/否定后件/三段论等)→ 结论(从前提逻辑推导出的主张)。

3. 有效推理规则

  • 肯定前件(Modus Ponens):P → Q, P ⊢ Q
  • 否定后件(Modus Tollens):P → Q, ¬Q ⊢ ¬P
  • 三段论(Syllogism):∀x(P(x)→Q(x)), P(a) ⊢ Q(a)
  • 选言三段论(Disjunctive Syllogism):P ∨ Q, ¬P ⊢ Q
  • 假言三段论(Hypothetical Syllogism):P → Q, Q → R ⊢ P → R

识别逻辑谬误

形式谬误:肯定后件(P→Q, Q ⊢ P,无效)、否定前件(P→Q, ¬P ⊢ ¬Q,无效)。

非形式谬误:人身攻击、稻草人、诉诸权威、虚假二分、滑坡谬误、循环论证、事后归因、草率概括、诉诸情感、你也一样。

科学方法在推理中的应用

主张评估流程:观察 → 假设(H₀ 零假设:主张为假;H₁ 备择假设:主张为真)→ 预测 → 检验(支持证据、反驳证据、可证伪性)→ 结论(置信水平、替代假设)。

证据等级(从强到弱):元分析/系统综述 → 随机对照试验(RCT)→ 队列研究 → 病例对照研究 → 专家意见 → 轶事证据(最弱)。

奥卡姆剃刀:在等价解释中选择最简单的一个。不要不必要地增加实体,优先选择假设更少的假说。简单 ≠ 正确,但是好的起点。

可证伪性原则(Karl Popper):科学主张必须能够被反驳。检验方法:“什么证据能证明这是错的?”如果没有答案 → 不是科学主张。

论证分析流程

步骤 1:重构——识别主要结论、列出显性前提、识别隐藏前提、按逻辑结构排列,输出标准化论证。

步骤 2:评估前提——对每个前提提问:真实吗?(有支持证据吗?)相关吗?(与结论有联系吗?)充分吗?(足以推断出结论吗?)

步骤 3:评估推理——推理是否遵循有效规则?是否存在形式谬误?结论是否从前提中推出?

步骤 4:考虑反驳——是否存在反例?是否有更强的对立论证?是否有额外信息会改变结论?

思维工具

  • 钢铁人(稻草人的反面):在批评之前,先构建对方论证的最强版本——充分理解对方立场、补充其可能遗漏的合理前提、用最有说服力的方式重述,然后再批评。
  • 宽容原则:当一个论证可以有多种解释时,在评估前选择最合理的解释。
  • 归谬法:假设为真 → 推导逻辑后果 → 展示后果导致矛盾 → 结论:初始假设为假。
  • 思想实验:构建假设场景来检验直觉和探索逻辑后果。

快速评估清单

遇到论证时检查:结论是否清晰陈述?所有前提是否列出?前提是否有支持证据?推理是否遵循有效规则?无形式谬误?无非形式谬误?是否考虑了对立观点?主张是否可证伪?证据是否足够强?是否应用了奥卡姆剃刀?

使用方式

该技能以推理框架和检查清单的形式提供,可在分析论证、评估逻辑、构建证明时按上述流程逐步应用。具体安装命令与调用方式暂未提供。

适用场景

  • 分析逻辑结构与推理有效性
  • 评估论证的前提与推理过程
  • 构建形式化证明
  • 识别形式与非形式逻辑谬误
  • 用科学方法评估主张
  • 需要严格逻辑审查的讨论与决策

限制

资料未提供该技能的具体安装命令、运行环境要求、平台支持范围及收费信息。该技能为推理方法论框架,不提供自动化执行或代码运行能力。