Community研究與資料分析github.com

競爭假設分析 (ACH)

一種結構化分析技術,用於評估所有可能的假設與所有重要證據的關係,減少認知偏差,特別是確認偏誤。

競爭假設分析 (ACH) 是什麼?

競爭假設分析(ACH)是網路威脅情資(CTI)中最關鍵的結構化分析技術。它強制分析師針對所有重要證據,系統性地評估每一個合理的假設,從而有效減輕認知偏差(尤其是確認偏誤)的影響。此技能最適用於歸因問題、存在多種合理解釋的模糊情境、高風險評估以及分析師意見分歧的情況。支援的平台包括 Claude Code、Cursor 和 Codex 等 AI 代理工具。其工作流程從生成至少三個假設開始,接著列出所有相關證據並建立「一致性矩陣」,透過標記每個證據與各假設的「一致」、「不一致」或「不適用」關係,來計算不一致次數。核心原則在於專注於「反駁」假設,而非「證明」其為真。最終需進行敏感性分析(找出關鍵證據),並產出結構化報告,說明最可能的假設、拒絕其他假設的原因,以及結論的局限性。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add Liberty91LTD/cti-skills

Installed? Explore more 研究與資料分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

競爭假設分析(ACH)

ACH 是 CTI 最重要的結構化分析技術。它強迫你針對所有顯著的證據,評估所有合理的假設,從而減少認知偏差(尤其是確認偏誤)的影響。

何時使用 ACH

  • 歸因問題:「這場行動的背後是誰?」
  • 模糊情況:存在多種合理的解釋。
  • 高風險評估:判斷錯誤會帶來重大後果。
  • 爭議性分析:分析師對結論意見分歧。

逐步操作程序

步驟 1:生成假設

列出所有合理的假設。包含不太可能的假設——關鍵在於避免過早縮小範圍。

規則:

  • 最少 3 個假設(如果你只有 2 個,那就是二元思維)。
  • 至少包含一個與你最初直覺相悖的假設。
  • 假設之間應盡可能互斥。
  • 在適當情況下,將「未知行動者」或「巧合」也列為假設。

步驟 2:列出顯著證據

列舉所有與假設相關的證據與論點。

對於每項證據,記錄:

  • 證據描述。
  • 來源(附帶海軍上將量表評級)。
  • 是直接證據、間接證據,還是證據缺失。

步驟 3:建立一致性矩陣

將每個儲存格標記為:

  • C(一致)——證據支持該假設。
  • I(不一致)——證據與該假設矛盾。
  • NA(不適用)——證據與該假設無關。

矩陣範本

| 證據 | 來源評級 | H1: [名稱] | H2: [名稱] | H3: [名稱] | H4: [名稱] |
|----------|:---:|:---:|:---:|:---:|:---:|
| E1: [描述] | B2 | C | I | C | NA |
| E2: [描述] | A1 | C | C | I | C |
| E3: [描述] | C3 | I | C | C | NA |
| E4: [描述] | B2 | C | I | I | C |
| E5: [描述] | D4 | C | C | C | I |
| **不一致次數** | | **1** | **2** | **2** | **1** |

步驟 4:分析矩陣

關鍵原則:專注於反駁假設,而非證明它們。

確認偏誤讓我們傾向尋找能證實我們偏好假設的證據。ACH 透過聚焦不一致之處來扭轉此一傾向。

  • 計算每個假設的不一致次數。
  • 根據證據品質對不一致進行加權(A1 級別的矛盾比 D4 更重要)。
  • 具有最少(且最弱)不一致性的假設可能性最高。

步驟 5:評估敏感性

針對每項證據提問:

  • 如果這項證據是錯的,它是否會改變排名?
  • 哪些證據是「關鍵證據」(移除它們會改變結論)?
  • 是否有任何關鍵項目來自單一來源?

步驟 6:得出結論

  • 說明最可能的假設及其信心水準。
  • 解釋備選假設為何被拒絕(哪些證據與它們矛盾)。
  • 找出最能區分各假設的關鍵證據。
  • 註明關鍵證據及其可靠度。
  • 標記結論是否對一兩項證據特別敏感。

步驟 7:撰寫報告

## ACH 分析:[問題]

### 評估的假設
1. H1:[描述]
2. H2:[描述]
3. H3:[描述]

### 一致性矩陣
[來自步驟 3 的矩陣]

### 評估結果
[最可能的假設,附帶信心水準與理由]

### 關鍵區別性證據
[最能區分各假設的證據]

### 敏感性分析
[哪些證據是關鍵?什麼會改變結論?]

### 被拒絕的假設
- H2 被拒絕,因為:[與之矛盾的具體證據]
- H3 被拒絕,因為:[與之矛盾的具體證據]

### 注意事項
[限制、情報缺口、假設]

常見錯誤

  • 假設過少 — 2 個假設是二元思維,不是 ACH。
  • 標記時的確認偏誤 — 對偏好的假設過於寬鬆地標記為「C」。
  • 忽略證據缺失 — 「沒叫的狗」可能意義重大。
  • 加權不當 — A1 級別的不一致應比 D4 級別更重要。
  • 太早停止 — ACH 在有新證據出現時重新審視矩陣效果最佳。
  • 將其視為投票 — ACH 關注的是不一致性,而非一致性次數。

相關技能