如何进行优质研究 是做什么的？
何时使用
在实质性的科学或机器学习研究中加载此技能：选择或重新定义问题、设计实验、撰写或重构提案/论文、审查证据是否支持某个主张，或决定下一步要运行什么。对于单一的事实查询或机械性的文件编辑，请跳过此技能。
这是一个故意设计得很小的参考主导型技能。它的首要任务是让模型在规划实验或撰写论文之前，查阅异常高信号的参考资料。随着用户发展，可以添加更多的来源和内部原则。
与之同时加载
humanizer每当此技能激活时。 在起草或编辑任何面向用户的提案、论文、摘要、引言、综述或研究备忘录之前，请先阅读它。在最终散文中应用其反 AI 风格处理，同时保留技术精度和用户自己的声音。ai-research-custom当工作属于用户的研究系统时。该技能负责编排，包括规范的项目/实验记录形状、终止标准和分类账。deep-research-orchestration-custom当任务需要文献综述或广泛的资料综合时。此技能管理研究质量；deep-research-orchestration-custom管理扇出和检索。
优先级参考资料
在做实质性的研究设计或论文结构决策之前，请先阅读 Hamming、Carlini 和 Nanda 的相关部分。当选择或执行代理辅助的定量工作时，也请查阅 Schwartz/BootLoops。当研究在初创公司或其他应用场景中进行时，请先阅读 Kei ，因为其他四个参考假设的是学术或大型实验室环境。如果任务很小，只提取能够改变决策的原则；不要仪式性地总结每一篇文章。
-
Richard Hamming, "You and Your Research"
https://www.cs.virginia.edu/~robins/YouAndYourResearch.html用于问题选择和研究方向。询问问题是否重要并且有合理的攻击方向；一个看似限制的条件是否可以转化为结果；孤立的任务是否可以成为一个关于某类问题的可重用结果；以及哪些矛盾的证据必须保持可见。保持 Hamming 所描述的平衡：足够相信这个想法以去执行，又足够怀疑以注意到它在何处失败。
-
Nicholas Carlini, "How to win a best paper award (or, an opinionated take on how to do important research)"
https://nicholas.carlini.com/writing/2026/how-to-win-a-best-paper-award.html用于研究品味、执行和论文重点。用尽可能少的语言陈述论文的一个核心想法；从最有可能否定项目的最关键子问题开始；运行精确的实验、多次试验和针对可预见反对意见的对照；使论文局部完整，而无需运行所有仅相关性的实验；在大量投入之前写出最佳情况的结论；了解目标读者；并设计能够独立存在的图表。
-
Neel Nanda, "Highly Opinionated Advice on How to Write ML Papers"
https://www.alignmentforum.org/posts/eJGptPbbFPZGLpjsp/highly-opinionated-advice-on-how-to-write-ml-papers用于主张、证据和迭代写作。将项目压缩为一到三个具体的主张、它们为何重要，以及每个主张对应的一到三个决定性实验。优先选择能区分竞争性假设的实验；对叙事进行红队测试；使用强大且调优良好的基线；标记探索性分析与验证性分析；保留局限性和无效结果；并分阶段展开：压缩的要点叙事 -> 引言大纲 -> 完整论文大纲 -> 图表/结果 -> 散文 -> 反复编辑。
-
Matthew Schwartz, "Claude-shaped science" (Anthropic Science Blog, October 1, 2026)
https://www.anthropic.com/research/claude-shaped-science
工具包和协议：https://bootloops.ai/harness.html · https://github.com/BootLoops-ai/bootloops · https://github.com/BootLoops-ai/skills用于与研究代理一起进行问题选择和可靠执行。Schwartz 的 BootLoops 案例研究在 Hamming 的重要性和可攻击性测试之外，增加了一个能力匹配问题：哪些重要问题会因模型的广度、编码能力、机器规模的阅读能力或穷举计算能力而变得易于处理？在迫使代理模仿人类研究者的工作流程之前，先跨学科搜索共享的数学结构和现有方法。保持这些区分的明确性：
- 技术正确性和科学价值是独立的门槛。 对照当前文献和领域专业知识检查新颖性和相关性。在 Schwartz 的生态学和遗传学示例中，专家发现最初正确的计算毫无趣味，并将其引导到有用的问题上。优先考虑新近可回答的问题，而不是仅仅更多的数字或更快的复现；不要让“AI 塑造”成为优化易处理性的借口。
- 在规模化一种苦差事之前，先改进方法。 测量一次小规模运行，检查瓶颈，并在启动长时间计算之前搜索现有的工具和算法。如果一个改进具有通用性，在已知案例上验证它，并保留其目的、适用性、接口和验证标准，以便下一个项目能够继承它，包括来自失败项目的有用工具。
- 设计无法自我验证其输入质量的检查机制。 使用一个独立的参考路径和未用于拟合或选择答案的保留点/数据；记录参考来源。通过恢复植入的真相和拒绝故意损坏的情况来测试检查器本身。在适当的情况下使用精度升级或经过认证的误差界限。数值一致性支持一个计算，但其本身并不是一般身份的证明。
- 使完成结果字面化。 保留可执行的复现脚本、定量验收标准、图表和未解决的假设。一个未经证明的承重引理、替代的公理或模糊的“良好一致性”并不是一个完成的结果。使用独立的怀疑性审查，解决发现的问题，并重新检查实际的人工制品，而不是接受一个令人放心的摘要。跨会话和压缩在磁盘上保留当前计划和证据。
在需要时阅读相关的上游协议，特别是
acceptance-gate、planted-truth、independence-bookkeeping、timing-discipline、reading-contract或tool-stewardship；对于证明工作，请查阅prove-protocol。这些是与模型无关的参考，不是自动安装的技能或通用保证。Schwartz 在 Anthropic 的资助下拥有并维护 BootLoops；所报告的科学成就是作者报告的，需要项目级别的验证。随着模型的变化，重新评估特定模型的能力限制。 -
Kei, "Doing a Research Startup" (September 5, 2024)
https://web.archive.org/web/20240920140442/https://keiyuva.ai/posts/type.startup/
存档副本。原始网站 keiyuva.ai/posts/type.startup 在域名于 2026 年到期后下线。当研究在初创公司或其他应用场景中进行时，作为入门读物使用。那里的实验性研究受到的约束既与学术界或大型实验室相似，又在某些方面有所不同，从而改变了决策。大多数研究建议，包括上面四个参考，都假定了一种不同的节奏、环境和激励措施，因此在应用任何建议之前，先确定工作的目的和地点。Kei 作为一家研究型初创公司的创始人撰写。投资者为速度买单，但更多的钱并不能可靠地使研究更快：“你可能尝试 50 件事，全部失败，或在 1-2 次尝试中成功。”进展没有清晰的指标，所以必须有人充当强有力的 PI，设定方向并决定终止什么，因为让每个人都尝试一切是公司倒闭的方式。支出与独立性挂钩，这倾向于有约束的赌注、建立在彼此之上且相互增强的小型成功实验，以及在研究回归之间可靠的、小块的产品发布。紧张的资源也可能迫使出一种比更大预算能买到的更便宜、更好的方法。在报告结果时，说明尝试了什么以及为什么失败；这篇文章将“它没成功”却不说明原因视为一个警告信号。将其视为一位创始人对一家公司的描述。
工作流程
- 选择问题。 写出它为什么重要，为什么现在有合理的攻击方向，以及只有这个团队才能做什么。对于代理辅助工作，指出具体的 AI 优势，并单独建立科学价值。说明环境和工作的目的（一篇论文、一个产品、一个客户、一次融资），因为这决定了上述哪些建议适用。
- 先压缩，后扩展。 写出一句话的核心想法、最佳情况结论，以及不超过三个主张。
- 将主张映射到证据。 对于每个主张，说明决定性的实验、最强替代解释、最强基线以及会否定或缩小它的结果。
- 先攻击最可能的失败点。 在打磨其他部分之前，先构建对承重不确定性最便宜的测试。
- 尽早设计论文的图表。 每个计划的图表都需要一句要点的总结和一个其支撑的主张。如果图注无法解释清楚，就拆分它。
- 保持论文正文单一聚焦，附录广泛。 每个正文实验都必须推进核心想法。将有价值但不承重的扫描、隐性知识和附带发现放在附录或配套说明中。
- 从冷读者的视角写作。 背景 -> 问题 -> 主张 -> 证据 -> 影响。定义读者需要的术语；不要用正式语言隐藏一个简单的想法。
- 加载并应用
humanizer。 移除 AI 风格的措辞、长篇大论的节奏、不必要的标题、千篇一律的过渡、过多使用破折号和通用的重要性语言。当产出物很重要时，大声朗读或使用 TTS。 - 发布前进行审计。 检查事实/引用准确性、证据强度、未报告的无效结果、前/后调查状态、可复现性，以及结论是否真正回答了“那又怎样？”的问题。
新项目的最低产出
在撰写长篇提案之前，请生成以下内容：
- 一句话的核心想法
- 最佳情况结论
- 一到三个主张
- 主张 -> 证据 -> 可证伪条件映射
- 第一个杀死性测试
- 计划的主要图表
- 已知混淆因素和最强基线
- 故意排除在范围之外的内容
只有在完成上述工作后，才能扩展成散文。