科学假设生成

Hypothesis Generation 是 K-Dense 开源项目 Claude Scientific Writer（MIT 许可）里的一个 Skill，帮研究者把一个观察整理成一组透明的候选解释，以及能区分它们的检验方案。它的核心原则是：假设只是待检验的提议，不是结论。该 Skill 当前为 2.1 版，K-Dense 最近一次复核日期是 2026-07-23。

核心功能

• 概念分离：观察、研究问题、假设、机制、因果估计量、预测、零假设、阴性对照和证据各自独立标注，避免把"机制故事"当成"预测"。
• 12 步流程：范围与安全闸门、冻结观察、构建问题（PICO/PICOT、PECO、诊断或预后框架）、带日期的证据边界、生成竞争假设、声明主张类型和估计量、可区分的预测、操作化测量、设计与分析、防 HARKing 的预注册、重复验证计划，以及人工问责。
• 先列竞争解释：在选检验之前，先考虑测量伪影、混杂、选择偏倚、对撞偏倚、反向因果等替代解释。
• 本地脚本：7 个无依赖的 Python 3.11 脚本，可校验假设记录、预测/竞争矩阵、证伪对照、证据台账和因果措辞，还能生成预注册草稿。离线运行、无需 API key，并且刻意不对假设打分或排序。

适用场景

• 把一个出乎意料的预实验结果，在写基金申请或方案前整理成可检验的候选假设。
• 起草预注册：提前确定结局指标、排除标准和多重比较处理。
• 检查草稿里是否用了研究设计撑不起的因果表述。

定价与获取

该 Skill 免费开源（MIT）。脚本不联网，唯一的成本是你运行它的模型会话，例如 Claude Code。

快速开始

1. 在 Claude Code 中运行 /plugin marketplace add https://github.com/K-Dense-AI/claude-scientific-writer，再运行 /plugin install claude-scientific-writer。
2. 在项目中运行 /claude-scientific-writer:scientific-writer-init。
3. 让 Claude 生成假设计划，然后在本地校验文件，例如 python3 scripts/validate_prediction_matrix.py matrix.csv。

局限：它不会把假设当成证据，不会因为简单检索没找到就宣称新颖，也不提供临床建议或两用风险的操作细节。脚本只检查结构和一致性，不验证科学真伪。

常见问题

它会帮我选出最好的假设吗？

不会。工具明确不打分，选择权留给负责的研究者。

需要 API key 吗？

内置脚本不需要。更完整的流程里做文献检索，要用 Research Lookup 等其他 Skill。

替代方案

• Scientific Critical Thinking Skill：评估推理和证据质量，而不是生成候选假设。
• Literature Review Skill：为假设打好文献证据基础。
• Scholar Evaluation Skill：评估已完成的学术成果。

总结

如果你需要竞争性解释、可证伪的预测，以及一份由人最终把关的预注册草稿，Hypothesis Generation 很合适。它是帮你守纪律的结构化工具，不是给答案的神谕。更多科研工具见 Skills 分类。