hypothesis-generation

# 科学假设生成 ## 概述 假设生成是一个开发可测试解释的系统过程。从观测中制定基于证据的假设，设计实验，探索竞争性解释，并开发预测。将此技能应用于跨领域的科学探究。 ## 何时使用此技能 在以下情况应使用此技能： - 从观测或初步数据中开发假设 - 设计实验以测试科学问题 - 探索现象的竞争性解释 - 为研究制定可测试的预测 - 进行基于文献的假设生成 - 在科学领域规划机制研究 ## 使用科学示意图进行视觉增强 **⚠️ 强制要求：每份假设生成报告必须包含至少 1-2 个使用 scientific-schematics 技能生成的 AI 示意图。** 这不是可选的。没有视觉元素的假设报告是不完整的。在最终确定任何文档之前： 1. 至少生成一个示意图或图表（例如显示竞争性解释的假设框架） 2. 综合报告建议优先使用 2-3 个图表（机制通路、实验设计流程图、预测决策树） **如何生成图表：** - 使用 **scientific-schematics** 技能生成 AI 驱动的出版级图表 - 只需用自然语言描述您想要的图表 - Nano Banana Pro 将自动生成、审查并优化示意图 **如何生成示意图：** bash python scripts/generate_schematic.py "your diagram description" -o figures/output.png AI 将自动： - 创建格式规范的出版级图像 - 通过多次迭代进行审查和优化 - 确保可访问性（色盲友好、高对比度） - 将输出保存到 figures/ 目录中 **何时添加示意图：** - 显示竞争性解释的假设框架图 - 实验设计流程图 - 机制通路图 - 预测决策树 - 因果关系图 - 理论模型可视化 - 任何受益于可视化的复杂概念 有关创建示意图的详细指导，请参阅 scientific-schematics 技能文档。 --- ## 工作流 遵循此系统流程以生成稳健的科学假设： ### 1. 理解现象 首先明确需要解释的观测、问题或现象： - 构思