Research Decision｜科研决策

Research Decision：科研没有标准答案，下一步该怎么走？以 29 Decisions 为线索，连接已有结果、专家经验与下一步判断。

把下一步的判断讲清楚，也把判断的方法讲给你。

开始使用 · 66 秒产品视频 · 29 Decisions 的来历 · 提问示例 · English

v0.7.0-preview · Apache-2.0 · Codex / Claude Code / Copilot / Cursor / Gemini CLI

实验失败了，是方法不对，还是假设有问题？出现反常结果，是测量误差，还是值得追下去的线索？做了几轮都没有进展，应该继续，还是换个方向？

Research Decision 是一个面向理工科研究的 AI Skill。你告诉 AI 正在研究什么、已经做过什么、现在拿不准什么，它会围绕当前的决定查找相关经验，对照已有证据和现实条件，解释下一步为什么值得做，以及什么新结果会让你改变判断。

先看一段产品视频

https://github.com/user-attachments/assets/d419080a-ab1c-4741-8e00-108bb2947fb8

66 秒 · 1080p · 无配音、无旁白 · 配乐与轻音效

下载原始成片 · 视频说明与画面文字

视频中的对话、数据和检索过程是为讲解产品编写的示例；卡片空间是演示画面。实际使用入口是你所用 Agent 的对话。

为什么是 29 Decisions

我们在课堂上习惯了有标准答案的题目，科研却常常连第一步也不明确。专家在这种时候会关注哪些信息，先验证哪个假设，又在什么情况下调整方向？

Price、Carl Wieman 与合作者访谈了 52 位科学家和工程师，将开放问题中的专家判断归纳为 29 类相互关联的决策。这项研究让原本难以描述的判断过程，有了可以讨论和练习的具体内容。原始研究：Price et al., 2021

这个 Skill 把 29 Decisions 用作一张内部地图：先定位你眼前真正拿不准的判断，再寻找适用的方法与领域资料。无需记住编号，也不会每轮都从 D1 走到 D29。

你眼前的困惑	需要看清的判断
“这些结果足够支持我的结论吗？”	D18：证据的可信程度与偏差——现有证据支持到哪一步，还有什么替代解释？
“我该先做哪个测试？”	D13：需要什么关键信息？——什么观察能区分候选解释，帮助作出当前决定？
“还要继续投入这个方向吗？”	D25：进展与去留——什么结果值得继续，什么结果提示转向或停止？

上面是便于理解的简短转述；完整的产品映射见决策索引。29 类决策提供判断线索，具体研究仍需要领域知识和可核验的证据。

开始使用

把下面这段话发给支持安装 Agent Skills 的 AI Agent：

请从 https://github.com/Odyphus/research-decision-skill
安装 Research Decision Skill，并确认你能读取它的 SKILL.md 和参考文件。

安装后，开启新对话或按宿主文档刷新 Skill 列表，确认 research-decision-skill 已被识别。Codex 可用 $research-decision-skill，Claude Code 可用 /research-decision-skill；其他 Agent 按各自的方式选择它。

手动安装与各 Agent 的项目路径

以 Codex 为例，在你的研究项目目录中运行：

git clone --branch v0.7.0-preview https://github.com/Odyphus/research-decision-skill.git .agents/skills/research-decision-skill

Agent	完整 Skill 文件夹放置位置
Codex	`.agents/skills/research-decision-skill/`
Claude Code	`.claude/skills/research-decision-skill/`
GitHub Copilot	`.github/skills/research-decision-skill/`
Cursor	`.cursor/skills/research-decision-skill/`
Gemini CLI	`.gemini/skills/research-decision-skill/`

也可以下载对应宿主的安装包，将其中完整文件夹放进项目。普通使用不需要 Python；可选的记录与校验工具需要 Python 3.10+。

这些路径已核对宿主文档；文件布局验证不等于各宿主都已完成行为实测。安装、升级与能力要求见 INSTALL.md 和适配说明。

然后，直接讲你遇到的研究问题：

我合成了三批材料，结果差异很大。
XRD 和显微成像已经做过，分散条件也固定了。
这周预算有限，校内可用设备和费用是：……
我现在该优先排查什么？请说明依据，以及什么结果会改变建议。

不必先填一整套表格。已有结果、做过的工作、当前疑问和现实限制，足够让对话开始。设备、价格或排期不知道，就保持未知；也可以按资源表模板整理。

它应该怎样陪你判断

先接住已经做过的工作。 做过 XRD，就从结果往下判断；继续问“为什么”，就把刚才那一步解释清楚；带回新结果，再更新受影响的判断。

让建议有据可查。 关键建议就近给出来源、支持位置与适用条件，并说清哪些是文献里的观点，哪些是对你这个项目的推断。

把行动和问题连起来。 推荐一个测试时，解释它能区分哪两种可能，再结合样品、设备、费用和排期决定是否值得做。

下面是一段编写的交互示例，用于说明期望的讲解方式：

你：同一批取了三个样，结果都接近，为什么还要看独立批次？

Research Decision： 这三个样来自同一次制备，能帮助你了解这一批内部的差异。换一批时，原料、制备过程或测量日期也可能变化，这些变化没有在同批取样里被检验。

如果你想支持“换一批制备也稳定”，就需要观察独立制备后的结果。现有结果仍然有用，只是它能支持的范围更窄；现在还不能据此认定已经存在批次效应。

这里采用的是测量变异分析的思路，依据可查 NIST 测量过程表征 §2.1.1。独立批次怎样安排，还要结合你的制备与测量条件。

没听懂时，可以接着说：

请用小白版和专业版重新讲，结合我的实验解释，不要跳到别的类比。

更多使用示例 · 正反交互示例

专家经验从哪里来

29 Decisions 帮助定位问题，通用研究方法提供判断线索，相关领域的原始资料补上具体依据。领域结论变化时，需要重新查证。

层次	这一版提供什么	去哪里看
决策地图	非线性的 D1–D29 产品映射	决策索引
通用研究方法	8 条方法卡、7 条来源记录；涵盖选题、竞争假设、测量、实验设计与可复现实践	方法经验库
已有开源项目的方法	从 5 个项目整理 6 类小范围经验；保留固定版本、应用条件与反例	复用经验
你的研究现场	已有结果、可用资源与待解决的问题；结合当前领域资料进行判断	资源与测试选择

这里复用的是可追溯的方法，不把整套第三方 Skill 塞进核心。外部能力已安装时，按宿主实际工具调用；没安装时，仍可读取简短方法。通用方法和项目经验都不能替代具体科学结论的证据。

适用领域、项目记录与当前验证范围

当前配置了九类 STEM 领域包：AI 与机器学习、数学与统计、计算机科学、物理与天文学、化学与材料、工程、生命科学研究、地球与环境科学，以及理工科交叉研究。各领域范围

日常讨论不要求创建文件。长项目可以使用可选工具维护 .research-decision/ 记录；没有文件能力的宿主依靠当前对话或你带入的交接摘要。跨对话记忆取决于宿主能力与实际保存的内容。记录说明

这是早期 Preview。仓库提供 16 个公开合成检查案例、评审方法，以及可运行的结构、导出和工具测试：

python scripts/check_package.py
python -m unittest discover -s tests -v

这些检查验证各自对应的范围，不能单独证明回答质量、真人领域专家认可或长期学习效果。目前不声称已经证明能提高科研能力。完整改动见 CHANGELOG.md。

一起把它打磨好

欢迎反馈：你当时拿不准什么，它提出的哪条建议有帮助，又在哪里没讲清楚。提供宿主、模型、相关前文和实际回答，能让问题更容易复现。

提交使用反馈 · 贡献方法与案例

公开提交前，请移除未公开数据与个人信息。我们更需要能检验判断的案例和带适用边界的经验，而不是一份更长的方法清单。

来源与许可

研究基础：Price et al. (2021), A Detailed Characterization of the Expert Problem-Solving Process in Science and Engineering。本项目的路由、方法卡、状态与解释设计是原创产品适配，不代表 Price、Wieman 或其合作者的官方产品、授权或背书。

原创 Skill 代码与文字采用 Apache-2.0；第三方方法保留各自来源与许可，见 THIRD_PARTY_NOTICES.md 与归属说明。原始论文、完整翻译、私人反馈截图及未公开研究材料不随安装包分发。宣传片工程的单独许可见视频说明。