Claude Scientific Guide 是一套面向科学研究与工程问题的即用型 agent 指令技能，基于 claude-scientific-skills 仓库（14K stars），将经过大量研究流程验证的提示模式提炼为结构化方法。
用途
该技能为智能体提供在科研各阶段的结构化方法，覆盖三大领域：基础研究方法论、应用科学工作流、工程问题求解。每个领域包含分步流程、质量检查点和常见陷阱提示。
研究方法论工作流
假设形成：在提出假设前收集已有文献背景；确保假设可证伪且具体；识别自变量、因变量与控制变量；明确陈述零假设与备择假设；考虑混杂变量并提出缓解策略。
实验设计：选择合适的实验设计（RCT、准实验、观察性）；依据功效分析原则计算所需样本量；在数据收集前定义主要与次要终点；在适用时建立盲法协议；创建概述分析计划的预注册文档。
数据收集规划：明确测量工具及其效度证据；设计最小化录入错误的数据收集表单；在收集开始前规划缺失数据处理；为主观测量建立评分者间信度协议；创建数据溯源审计轨迹。
科学分析模式
探索性分析：从描述统计与数据可视化开始；选择检验前检查分布假设；结合统计与领域知识标准识别异常值；在报告 p 值的同时报告效应量；对多重比较使用适当校正。
可复现性检查清单：记录所有软件版本与随机种子；提供带内联注释的完整分析代码；报告所有执行的分析而非仅显著结果；对关键假设进行敏感性分析；将原始数据与处理后数据集一同归档。
文献综述：跨多个数据库使用系统检索策略；应用 PRISMA 或类似报告框架；使用 GRADE、Newcastle-Ottawa 等既定量表评估证据质量；识别现有发现中的空白与矛盾；为每个研究问题总结证据强度。
工程问题求解
问题定义：将复杂问题分解为可处理的子问题；用定量阈值定义成功标准；识别约束（物理、计算、预算）；映射子问题之间的依赖关系；按影响与可行性排序。
方案开发：在评估前生成多个候选方案；应用第一性原理推理验证可行性；制作用于快速测试的最小可行原型；记录假设及其对变化的敏感性；规划从原型到生产的可扩展性。
验证与迭代：在实现前定义验收测试；使用 A/B 测试或等效比较方法；随时间跟踪指标以检测回归；对失败进行根因分析；依据实证证据而非直觉迭代。
与 Research-Claw 集成
该技能与 Research-Claw agent 集成，在活跃研究会话中提供方法论协助。激活后，智能体可以：审查研究提案并提出方法论改进建议；帮助起草实验预注册文档；依据数据特征指导统计方法选择；协助撰写符合期刊标准的方法部分；生成针对特定领域的可复现性清单。
最佳实践
始终先理解研究者的领域背景，再应用通用方法论模板；将统计建议适配特定领域的惯例；提示研究问题可能需要 IRB 或伦理审查；在投入大规模数据收集前建议先导研究；对复杂设计建议与统计学家合作；保持对领域特定报告指南（CONSORT、STROBE、ARRIVE）的了解。
限制
资料未提供该技能的具体安装方式、平台支持范围、收费与价格信息，这些内容暂未提供。