scientific-critical-thinking

scientific-critical-thinking 技能概览

scientific-critical-thinking 技能帮助你判断一项科学主张是否真的有证据支撑，而不只是说得很肯定。它最适合需要评估研究质量、识别偏倚或混杂因素，并判断研究结论是否强到足以信任、引用或进一步建立的人。如果你想要的是一种超越泛泛怀疑的 scientific-critical-thinking 技能，这个版本更偏向证据评估，而不是观点写作。

这个 scientific-critical-thinking 技能适合做什么

当你的实际任务是评估方法学、实验设计、统计有效性和证据强度时，就用 scientific-critical-thinking。它很适合文献综述支持、主张核查、批判性分析教学，以及使用 GRADE 或 Cochrane Risk of Bias 等框架进行证据分级。

谁最能从中受益

这份 scientific-critical-thinking 指南对研究人员、学生、分析师和技术写作者最有用，尤其是那些需要用结构化方式阅读论文的人。它的重点不是概括论文内容，而是判断论文能支持什么、不能支持什么。

核心差异点

它的主要价值在于纪律化的评估：查找薄弱对照、隐藏混杂因素、夸大结论，以及证据层级不匹配的问题。当你需要一种可重复的 scientific-critical-thinking for Peer Review 式分析，但又不想写完整正式评审时，这个技能也很有用。

如何使用 scientific-critical-thinking 技能

安装并查看该技能

按照技能页上显示的目录命令安装，然后先打开 scientific-skills/scientific-critical-thinking/SKILL.md。由于这个仓库没有配套的 rules/、resources/ 或 scripts/ 文件夹，核心说明文件就是 scientific-critical-thinking install 和使用行为的主要依据。

给它证据，不要只给一个笼统主题

一个好的提示词应该包含主张、论文或摘要、研究类型，以及你需要做出的决定。更好的输入示例是：“评估这项小鼠研究是否支持关于 X 的因果主张，重点关注对照、样本量、混杂因素和统计力度。” 较弱的输入则是：“看看这篇论文。” 更好的提示词会给 scientific-critical-thinking skill 足够的上下文去判断有效性，而不是只做改写式概述。

使用结构化工作流

先写清楚你要回答的问题，再提供原文，然后指定评估角度。一个实用的 scientific-critical-thinking usage 模式是：1）识别主张，2）映射证据类型，3）检查设计与偏倚，4）判断强度与限制，5）说明哪些结论是被支持的。这样可以让输出始终围绕决策质量展开。

先读对的部分

先从 SKILL.md 读起，尤其是概览和“何时使用”的指导，然后再快速浏览是否有定义评估标准或特殊处理方式的部分，比如示意图。如果你打算把这个技能改造成自己的工作流，请把这份文件当作批判性审阅清单，而不是通用摘要模板。

scientific-critical-thinking 技能 FAQ

这和普通的批判提示词一样吗？

不一样。普通提示词往往只会生成表层的赞扬或批评。scientific-critical-thinking 技能更适合你需要一种可重复的方法来评估严谨性、证据质量和推理强度的时候。

它适合新手吗？

适合，只要用户能提供具体论文、主张或摘要。新手在要求“简短结论 + 理由”时通常效果最好，而不是直接要求一篇完整的方法学长文。

什么时候不该用它？

如果你需要正式同行评审语言、编辑改写，或者投稿回复信，就不要用 scientific-critical-thinking。在这些场景里，专门的同行评审工作流比强行让这个技能承担别的任务更合适。

它能替代通读论文吗？

不能。它能帮助你用更好的视角去读。scientific-critical-thinking guide 对组织判断很有用，但你仍然需要原文、方法和结果，分析才会真正有意义。

如何改进 scientific-critical-thinking 技能

明确你要什么标准

最强的结果来自你先说清楚“够好”到底是什么意思：是否支持因果、是否达到发表标准、是否具有临床相关性，还是是否具备内部效度。这样 scientific-critical-thinking skill 才会把证据放到正确的标尺下比较，而不是给出泛泛的批评。

补充会改变判断的研究背景

加入会影响解读的设计细节：随机研究还是观察性研究、样本量、主要终点、对照组、混杂因素，以及主张是机制性的还是临床性的。这些信息会实质性提升 scientific-critical-thinking usage，因为它们决定了最该关注哪类偏倚或夸大问题。

要求给出带限制条件的结论

可以要求最终输出把“支持”“部分支持”“不支持”分开，并说明阻止更强结论的关键限制。这在 scientific-critical-thinking for Peer Review 任务里尤其有用，因为你需要的是明确建议，而不只是评论。

用有针对性的追问继续迭代

如果第一轮回答太宽泛，就再追问一个更窄的切面：只看偏倚、只看统计，或者只看主张与数据是否一致。通常这比要求模型“更批判一点”更有效，也能帮助 scientific-critical-thinking install 工作流产出更锋利、更可用的分析。