scientific-agent-skills hypothesis-generation 技能证据检索与来源可追溯性完整实战指南【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills本篇围绕 scientific-agent-skills 仓库中 literature_search_strategies.md 一文展开讲解 hypothesis-generation 技能如何把文献检索约束为一条有边界、可复现、可审计的证据工作流。读完后你将掌握八类检索目标的划分、六步检索序列、检索边界 JSON 与证据台账 CSV 两套模板的精确结构以及配套审计脚本 audit_evidence_ledger.py 的校验规则与退出码语义。1. 文档定位它解决什么问题边界在哪里在 SKILL.md 的 12 步工作流中第 4 步建立带日期的证据边界Establish a dated evidence boundary明确要求在做任何依赖文献的陈述之前先检索并引用本参考文档作为方法论依据。literature_search_strategies.md 就是这一步的操作手册。文档开篇即划定作用域Scope这一点常被忽略该工作流服务于假设构建hypothesis formulation它不自动等于系统性综述、证据分级、可专利性检索、监管判定或新颖性证明。换言之这套检索策略产出的是在文档化边界内定位到的证据而不是该领域不存在先例的全称结论。这个边界声明与 SKILL.md 中的红线不能因为快速搜索没找到东西就宣称新颖claim novelty because a quick search found nothing是一致的也是理解后文novelty_status字段与有界结论报告措辞的钥匙。2. 数据与保密门禁检索开始前的强制动作文档把检索前Before searching设为独立关卡要求执行五项动作从查询中移除保密标识符、未发表结果、专有序列、精确漏洞细节和受控操作细节确认外部检索已获授权将敏感观察转译为所需的最小非敏感概念当政策要求时使用经批准的本地或机构内检索工具记录你保留了什么内容以及这种保留如何限制了检索。文档特别强调未经明确授权不得把未发表或敏感数据发送给外部搜索引擎、AI 服务、引用服务或模型。SKILL.md 的不可协商边界一节对此有更完整的表述——材料默认保持本地除非被授权的自然人显式批准了指定的外部目的地和数据范围。第 5 条记录保留内容及其对检索的影响是实操中容易漏掉的一环它让后续的证据边界记录能诚实反映哪些数据库其实没被完整搜索过。3. 框定检索八类互相独立的检索目标文档要求把检索目标拆成 8 类并为每类使用独立的查询语句Use separate queries so a mechanism search is not mistaken for a novelty search——机制检索不能冒充新颖性检索目标回答的问题Phenomenon现象该观察或近似现象是否已被报道Mechanism机制哪些过程可以解释它Rivals竞争解释哪些替代机制、伪迹或偏倚已被记录Measurement测量这些构念如何被操作化与验证Design设计哪些实验/检验能区分候选解释Contrary evidence反证哪些发现挑战每个候选Safety and governance安全与治理适用哪些伦理、生物安全、双重用途、数据或监管规则Priority/novelty优先权/新颖性哪些先期工作、注册、预印本、专利或灰色文献处理了相同主张这与 SKILL.md 第 5 步先产生竞争解释再选择检验相呼应检索不是为单一候选找支持而是同时服务竞争解释rivals的生成与证伪。把 8 类目标拆成独立查询能避免用一个宽泛查询覆盖所有意图导致后续无法证明某类目标尤其是新颖性被真正检索过。4. 问题结构按问题类型选择框架文档列出了 7 种问题结构question structures要求选择与问题相匹配的结构PICO/PICOT人群、干预、对照、结局可选时间TimePECO人群、暴露、对照、结局诊断准确性人群、索引试验、参考标准、目标疾病预后人群、预后因素、结局、时间定性研究人群/样本、现象、情境机制研究系统、扰动/条件、中介/过程、可观察结局计算/理论研究模型类别、假设、参数域、可预测观测量。文档同时明确告诫不要把 PICO 强加到所有领域。它引用了 Cochrane 的立场——Cochrane 用 PICO 处理干预效应综述问题并区分综述级 PICO、每次综合的 PICO、纳入研究的 PICO。这一引用在技能自带的权威来源台账 source_ledger.csv 中有对应条目SRC-COCHRANE-PICO指向 Cochrane Handbook 第 2 章已核验状态current_official而 PICO 的原始出处另有SRC-PICO-ORIGINALRichardson et al., 1995作为奠基性文献条目。台账还记录了 FINER 助记符的来源考证SRC-FINER-1988、SRC-FINER-CURRENT并诚实标注搜索未能证明 FINER 首次印用或造词出处——这本身就是来源可追溯性原则的示范。5. 来源优先级七层证据排序文档给出优先使用离主张最近的来源的 7 层排序治理类主张法律、法规、官方政策或现行机构指南一类主张原始论文、方案、数据集、标准或方法学来源报告期望现行报告指南及其解释/细化文档领域概览系统综述或共识报告术语与引文挖掘叙述性综述近期未审稿工作预印本或会议摘要必须明确标注其状态二级网页仅当它指向一手来源或记录现行实现时使用。排序之后文档补了一句关键的批判性提醒权威不能替代批判性评估Authority does not replace critical appraisal——一项原始研究可能是低质量的一条现行官方政策可能只适用于特定司法辖区。这一层排序与第 8 节证据台账中的source_type枚举值直接对应见下文。6. 六步检索序列6.1 广泛定向Broad orientation检索现象本身与领域术语定位一份或多份现行综述或共识文档从中抽取同义词、受控词汇、候选机制与里程碑式来源。6.2 一手证据Primary evidence对每个候选机制分别检索检索原始观察及其最接近的类似物在相关处检索前瞻性、实验性、纵向与重复验证证据对每种操作化方式检索测量验证论文。6.3 竞争解释与证伪检索Rival and falsification search对每一个候选解释都要运行如下术语族原文给出的完整术语表alternative explanation替代解释confounding混杂selection bias选择偏倚collider bias对撞偏倚reverse causation反向因果measurement error/artifact测量误差/伪迹negative control阴性对照failed replication失败的重复null or contradictory result空结果或矛盾结果boundary condition/effect modification边界条件/效应修饰并记录每条来源究竟挑战的是机制、测量、设计还是仅仅是其普适性——这个区分决定了反证对候选解释的实际杀伤力。6.4 奠基性与历史检索Foundational and historical search从方法学论文与综述出发做向后引文追踪backward citation tracing检索原始标题、作者、书籍、标准以及 DOI/PMID 记录。文档强调新颖性不是相关性的代理指标Recency is not a proxy for relevance。6.5 向前引文与注册检索Forward citation and registration search按需要使用引文索引、临床试验注册库、预注册库、预印本服务器、数据/代码仓库以及勘误与撤稿记录。6.6 政策检索Policy search使用现行官方站点并记录五个要素司法辖区与适用范围生效日期或修订日期被取代的文档本地实施要求核查日期date checked。文档最后为高后果工作划了红线检索结果不是法律、监管、伦理、生物安全或双重用途的放行。source_ledger.csv 中大量条目如 ICH E9(R1)、BMBL、DURC 政策框架等均带有核实最新版本与本地适用性的备注正体现了这一原则。7. 检索文档化search_boundary 模板的精确结构文档要求完成assets/search_boundary_template.json并列出最低字段search_boundary_id、searched_on、目的、数据库/索引、精确查询或可复现查询描述、日期/语言/来源类型限制、纳入与排除范围、停止规则或最后筛查结果、已知的可及性与覆盖限制、新颖性状态。其中对新颖性状态有硬性规定除非有合格的人类专家审阅过一项适合目的fit-for-purpose的检索否则必须使用novelty_status: not_assessed。即便一次检索很全面它也只支持有界的陈述。对照模板 search_boundary_template.json 与审计脚本源码可以从源码结构看出一份严格的精确键 schemarequire_exact_keys校验多一个或少一个键都会被拒绝键约束来自 audit_evidence_ledger.pyschema_version枚举仅允许2.0search_boundary_id合法标识符require_identifiersearched_onISO 日期searched_by非空文本至少 3 字符purpose至少 10 字符databases_or_indexes文本列表1–100 项queries文本列表1–200 项date_limits至少 3 字符language_limits至少 3 字符inclusion_scope/exclusion_scope各至少 10 字符known_limitations文本列表1–100 项至少 1 项last_result_screened_or_stop_rule至少 10 字符novelty_status枚举三态之一见下novelty_status的完整取值集为not_assessed、requires_specialist_review、supported_by_documented_comprehensive_search。注意模板示例中known_limitations明确写着这是模式示例不能支持新颖性、优先权或任何证据主张——模板本身就是演示格式用的合成数据真实使用时必须整体替换。8. 证据台账evidence_ledger 模板与字段要求文档要求以每行一个来源的方式完成assets/evidence_ledger_template.csv每行记录稳定的来源 ID关联的主张 IDlinked claim IDs标题与作者/机构发布日期来源类型与标识符规范 HTTPS URL访问日期关系relationsupportive支持、challenging挑战、contextual背景、method方法、safety安全或 mixed混合设计/文档类型局限与备注。audit_evidence_ledger.py 中定义的精确 CSV 表头共 13 列且要求精确有序CSV 表头乱序或缺列直接报错source_id,claim_ids,title,authors_or_organization,publication_date,source_type,identifier,url,accessed_on,relation,study_design_or_document_type,limitations,notes字段级约束从源码的load_ledger函数可直接读出source_id必须是合法标识符且全局唯一require_uniqueclaim_ids用分号分隔多个标识符split_identifierstitle5–2000 字符authors_or_organization2–1000 字符identifier3–1000 字符publication_date允许部分日期require_partial_dateaccessed_on必须是完整 ISO 日期url必须是 HTTPS URLrequire_https_urlsource_type限定 11 值枚举official_guidance、regulation_policy、reporting_guideline、primary_research、primary_method、systematic_review、consensus_report、book、dataset_or_registry、preprint、otherrelation限定 6 值枚举与文档第 142 行的六种关系一一对应notes可为空其余文本字段均不可缺省。审计命令与文档原文一致python3 scripts/audit_evidence_ledger.py \ local-evidence-ledger.csv \ local-search-boundary.json \ --record local-hypothesis-record.json命令后紧跟一句能力声明它只验证结构与链接——不访问 URL、不验证来源是否存在、不做证据评估、不判定某条引文是否支持该主张。9. 源码级机制审计脚本到底检查什么通读 audit_evidence_ledger.py 的audit()函数L228–L297可以精确列出它的行为边界警告类不导致失败但必须人工复核警告码触发条件SOURCE_ACCESSED_AFTER_SEARCH_BOUNDARY某来源的accessed_on晚于边界的searched_on——即先宣布检索完成、后接触来源NO_CHALLENGING_SOURCE_DECLARED整个台账中没有任何relationchallenging的行——只检索支持证据的直接信号NOVELTY_STATUS_REQUIRES_QUALIFIED_HUMAN_REVIEWnovelty_status被设为supported_by_documented_comprehensive_search时必然触发提醒该状态仍需合格人类确认错误类出现即validfalse——仅在传入--record做交叉核对时产生SEARCH_BOUNDARY_ID_MISMATCH假设记录里引用的search_boundary_id与边界文件不一致RECORD_SOURCE_MISSING_FROM_LEDGER记录引用的来源 ID 在台账中找不到UNKNOWN_CLAIM_ID台账链接的 claim ID 不在记录的合法标识符集合内该集合由_record_claim_ids从观察 ID、假设、estimand、预测、竞争解释、零假设、阴性对照、操作化与分析计划中汇总台账中存在而记录未声明的来源则降级为警告LEDGER_SOURCE_NOT_DECLARED_IN_RECORD。退出码语义tool_reference.md 与 SKILL.md 一致0表示结构有效仍可能有警告与人工复核缺口1表示解析成功但存在一致性错误2表示输入畸形/不安全/缺失/超限/类型错误。并且任何退出码都不意味着某个假说为真、新颖、合乎伦理或已被选择。运行时安全模型按 tool_reference.md所有内置 CLI 仅依赖 Python 3.11 标准库拒绝 URL 形态路径、符号链接、错误后缀、超大输入、非法 UTF-8 与 NUL 字节输入上限 2 MiB、CSV 数据上限 1000 行、单元格/Markdown 行上限 8000 字符不做任何网络、模型、子进程、凭据或环境变量调用输出仅写入显式指定的已存在本地目录默认拒绝覆盖需--force文件以私有权限0600原子写入。这也解释了为什么审计不访问 URL是设计约束而非实现遗漏。建议的本地流水线tool_reference.md 第 6 节与建议本地顺序python3 scripts/validate_hypothesis_schema.py local-record.json python3 scripts/check_operationalization.py local-operationalization.json python3 scripts/validate_prediction_matrix.py \ local-predictions.csv --record local-record.json python3 scripts/check_falsification_controls.py \ local-controls.json --record local-record.json python3 scripts/audit_evidence_ledger.py \ local-evidence.csv local-search-boundary.json --record local-record.json python3 scripts/lint_causal_claims.py local-draft.md python3 scripts/generate_preregistration_scaffold.py \ local-record.json -o local-preregistration.md测试套件 test_scripts.py 直接导入load_ledger与load_search_boundary并用仓库自带的 evidence_ledger_template.csv 和 search_boundary_template.json 作为输入跑审计含合成记录交叉核对路径因此这两份模板可以视为能通过审计器的最小合法样例——尽管模板行本身声明Not scientific evidence; does not support a real-world claim。10. 主张到来源的笔记Claim-to-source notes对每个有实质影响的主张文档要求记录六项内容来源中的精确位置章节、表、图、页码或原句引用证据是直接的、间接的、类比性的还是矛盾的研究设计与目标人群/系统实际报告的数量级与不确定性而非你期望的数量级关键局限与利益冲突对该候选解释的适用性。收尾要求同样严格每一个标识符与主张都必须对照来源验证。不要依赖搜索摘要片段或 AI 生成的引文。这与 SKILL.md 第 12 步人类问责中验证每一条引文与来源—主张链接的要求闭环——AI 可以幻觉引文台账与笔记结构的作用正是把这些链接变成可被逐条人工核验的对象。11. 检索停止什么算查完了停止规则必须预先文档化。文档给出的合格停止规则示例所有预设数据库均已检索每个查询筛查了固定深度的结果对指定的种子来源完成了向前/向后引文追踪达到了预定义的日期与语言边界术语或机制已记录为饱和saturation documented。同时列出四种不合格的停止理由找到了偏好证据、新结果看起来重复、某来源引用数高、某来源出现在知名期刊。这组清单把检索工作量是否足够从主观感受变成了可检查的规则也为第 7 节last_result_screened_or_stop_rule字段提供了填写依据。12. 报告有界结论两段标准措辞文档提供了两处可直接套用的报告模板核心是把结论限定在检索边界之内Searches were conducted on YYYY-MM-DD in [indexes] using [queries/strategy]. Within the documented date, language, access, and screening limits, we located [scope]. This does not establish universal absence, priority, or novelty.检索于 YYYY-MM-DD 在 [索引] 中使用 [查询/策略] 完成。在文档化的日期、语言、可及性与筛查限制内我们定位到 [范围]。这不确立普遍缺席、优先权或新颖性。对没找到的情况No directly matching source was located within the documented search boundary. Related work was found on [near neighbors]. A broader specialist search is required before making a novelty claim.在文档化检索边界内未定位到直接匹配的来源。在 [邻近主题] 上发现了相关工作。在做出新颖性主张之前需要更广泛的专门检索。第二句与Common failures末条把没找到与不存在混同直接呼应——这一措辞纪律是整个检索策略的最终产出形态。13. 十种常见失败模式文档结尾的 Common failures 清单值得作为评审自查表把影响因子或引用数当作研究有效性只检索支持性证据只用一个数据库忽视术语变化或历史性工作对应当引用原始研究的结论引用了综述把预印本当作同行评审成果遗漏勘误、撤稿或方案/注册记录逐字检索保密文本违反第 2 节门禁无可复现协议却声称穷尽检索把未找到与不存在混同。其中第 2 条与审计器的NO_CHALLENGING_SOURCE_DECLARED警告互为表里工具层能用机器检查的台账里有没有 challenging 来源就自动提示检查不了的是否只检索了一个数据库、是否忽视术语史则留给人工评审。14. 小结这条工作流的设计意图把 literature_search_strategies.md 放回 hypothesis-generation 技能 的整体框架中看它的角色是用八目标拆分 六步序列 停止规则约束检索过程用检索边界 JSON 证据台账 CSV 主张—来源笔记固化检索产物再用 audit_evidence_ledger.py 这类本地、无网络、确定性的 CLI 校验产物结构最后把科学判断来源是否真的支持主张、检索是否真的充分明确留给合格的人类。所有结论必须以在文档化边界内的有界措辞呈现not_assessed是novelty_status的默认值而非占位符——这套机制共同保证AI 辅助的文献检索产出的是可追溯的证据记录而不是伪装成结论的搜索摘要。适用前提与限制上述审计行为基于仓库当前版本的 tool_reference.md 与脚本源码技能元数据版本 2.1last-reviewed 2026-07-23脚本要求 Python 3.11 且仅用标准库无网络依赖。台账中引用的政策与指南具有时效性例如 source_ledger 中多条目的状态为current_transition_notice或要求核实最新版本在后续或特定辖区使用时应重新核查且时间敏感政策以 source_ledger.csv 的verified_on日期为核验基线。【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 scientific-agent-skills hypothesis-generation 技能：证据检索与来源可追溯性完整实战指南
scientific-agent-skills hypothesis-generation 技能证据检索与来源可追溯性完整实战指南【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills本篇围绕 scientific-agent-skills 仓库中 literature_search_strategies.md 一文展开讲解 hypothesis-generation 技能如何把文献检索约束为一条有边界、可复现、可审计的证据工作流。读完后你将掌握八类检索目标的划分、六步检索序列、检索边界 JSON 与证据台账 CSV 两套模板的精确结构以及配套审计脚本 audit_evidence_ledger.py 的校验规则与退出码语义。1. 文档定位它解决什么问题边界在哪里在 SKILL.md 的 12 步工作流中第 4 步建立带日期的证据边界Establish a dated evidence boundary明确要求在做任何依赖文献的陈述之前先检索并引用本参考文档作为方法论依据。literature_search_strategies.md 就是这一步的操作手册。文档开篇即划定作用域Scope这一点常被忽略该工作流服务于假设构建hypothesis formulation它不自动等于系统性综述、证据分级、可专利性检索、监管判定或新颖性证明。换言之这套检索策略产出的是在文档化边界内定位到的证据而不是该领域不存在先例的全称结论。这个边界声明与 SKILL.md 中的红线不能因为快速搜索没找到东西就宣称新颖claim novelty because a quick search found nothing是一致的也是理解后文novelty_status字段与有界结论报告措辞的钥匙。2. 数据与保密门禁检索开始前的强制动作文档把检索前Before searching设为独立关卡要求执行五项动作从查询中移除保密标识符、未发表结果、专有序列、精确漏洞细节和受控操作细节确认外部检索已获授权将敏感观察转译为所需的最小非敏感概念当政策要求时使用经批准的本地或机构内检索工具记录你保留了什么内容以及这种保留如何限制了检索。文档特别强调未经明确授权不得把未发表或敏感数据发送给外部搜索引擎、AI 服务、引用服务或模型。SKILL.md 的不可协商边界一节对此有更完整的表述——材料默认保持本地除非被授权的自然人显式批准了指定的外部目的地和数据范围。第 5 条记录保留内容及其对检索的影响是实操中容易漏掉的一环它让后续的证据边界记录能诚实反映哪些数据库其实没被完整搜索过。3. 框定检索八类互相独立的检索目标文档要求把检索目标拆成 8 类并为每类使用独立的查询语句Use separate queries so a mechanism search is not mistaken for a novelty search——机制检索不能冒充新颖性检索目标回答的问题Phenomenon现象该观察或近似现象是否已被报道Mechanism机制哪些过程可以解释它Rivals竞争解释哪些替代机制、伪迹或偏倚已被记录Measurement测量这些构念如何被操作化与验证Design设计哪些实验/检验能区分候选解释Contrary evidence反证哪些发现挑战每个候选Safety and governance安全与治理适用哪些伦理、生物安全、双重用途、数据或监管规则Priority/novelty优先权/新颖性哪些先期工作、注册、预印本、专利或灰色文献处理了相同主张这与 SKILL.md 第 5 步先产生竞争解释再选择检验相呼应检索不是为单一候选找支持而是同时服务竞争解释rivals的生成与证伪。把 8 类目标拆成独立查询能避免用一个宽泛查询覆盖所有意图导致后续无法证明某类目标尤其是新颖性被真正检索过。4. 问题结构按问题类型选择框架文档列出了 7 种问题结构question structures要求选择与问题相匹配的结构PICO/PICOT人群、干预、对照、结局可选时间TimePECO人群、暴露、对照、结局诊断准确性人群、索引试验、参考标准、目标疾病预后人群、预后因素、结局、时间定性研究人群/样本、现象、情境机制研究系统、扰动/条件、中介/过程、可观察结局计算/理论研究模型类别、假设、参数域、可预测观测量。文档同时明确告诫不要把 PICO 强加到所有领域。它引用了 Cochrane 的立场——Cochrane 用 PICO 处理干预效应综述问题并区分综述级 PICO、每次综合的 PICO、纳入研究的 PICO。这一引用在技能自带的权威来源台账 source_ledger.csv 中有对应条目SRC-COCHRANE-PICO指向 Cochrane Handbook 第 2 章已核验状态current_official而 PICO 的原始出处另有SRC-PICO-ORIGINALRichardson et al., 1995作为奠基性文献条目。台账还记录了 FINER 助记符的来源考证SRC-FINER-1988、SRC-FINER-CURRENT并诚实标注搜索未能证明 FINER 首次印用或造词出处——这本身就是来源可追溯性原则的示范。5. 来源优先级七层证据排序文档给出优先使用离主张最近的来源的 7 层排序治理类主张法律、法规、官方政策或现行机构指南一类主张原始论文、方案、数据集、标准或方法学来源报告期望现行报告指南及其解释/细化文档领域概览系统综述或共识报告术语与引文挖掘叙述性综述近期未审稿工作预印本或会议摘要必须明确标注其状态二级网页仅当它指向一手来源或记录现行实现时使用。排序之后文档补了一句关键的批判性提醒权威不能替代批判性评估Authority does not replace critical appraisal——一项原始研究可能是低质量的一条现行官方政策可能只适用于特定司法辖区。这一层排序与第 8 节证据台账中的source_type枚举值直接对应见下文。6. 六步检索序列6.1 广泛定向Broad orientation检索现象本身与领域术语定位一份或多份现行综述或共识文档从中抽取同义词、受控词汇、候选机制与里程碑式来源。6.2 一手证据Primary evidence对每个候选机制分别检索检索原始观察及其最接近的类似物在相关处检索前瞻性、实验性、纵向与重复验证证据对每种操作化方式检索测量验证论文。6.3 竞争解释与证伪检索Rival and falsification search对每一个候选解释都要运行如下术语族原文给出的完整术语表alternative explanation替代解释confounding混杂selection bias选择偏倚collider bias对撞偏倚reverse causation反向因果measurement error/artifact测量误差/伪迹negative control阴性对照failed replication失败的重复null or contradictory result空结果或矛盾结果boundary condition/effect modification边界条件/效应修饰并记录每条来源究竟挑战的是机制、测量、设计还是仅仅是其普适性——这个区分决定了反证对候选解释的实际杀伤力。6.4 奠基性与历史检索Foundational and historical search从方法学论文与综述出发做向后引文追踪backward citation tracing检索原始标题、作者、书籍、标准以及 DOI/PMID 记录。文档强调新颖性不是相关性的代理指标Recency is not a proxy for relevance。6.5 向前引文与注册检索Forward citation and registration search按需要使用引文索引、临床试验注册库、预注册库、预印本服务器、数据/代码仓库以及勘误与撤稿记录。6.6 政策检索Policy search使用现行官方站点并记录五个要素司法辖区与适用范围生效日期或修订日期被取代的文档本地实施要求核查日期date checked。文档最后为高后果工作划了红线检索结果不是法律、监管、伦理、生物安全或双重用途的放行。source_ledger.csv 中大量条目如 ICH E9(R1)、BMBL、DURC 政策框架等均带有核实最新版本与本地适用性的备注正体现了这一原则。7. 检索文档化search_boundary 模板的精确结构文档要求完成assets/search_boundary_template.json并列出最低字段search_boundary_id、searched_on、目的、数据库/索引、精确查询或可复现查询描述、日期/语言/来源类型限制、纳入与排除范围、停止规则或最后筛查结果、已知的可及性与覆盖限制、新颖性状态。其中对新颖性状态有硬性规定除非有合格的人类专家审阅过一项适合目的fit-for-purpose的检索否则必须使用novelty_status: not_assessed。即便一次检索很全面它也只支持有界的陈述。对照模板 search_boundary_template.json 与审计脚本源码可以从源码结构看出一份严格的精确键 schemarequire_exact_keys校验多一个或少一个键都会被拒绝键约束来自 audit_evidence_ledger.pyschema_version枚举仅允许2.0search_boundary_id合法标识符require_identifiersearched_onISO 日期searched_by非空文本至少 3 字符purpose至少 10 字符databases_or_indexes文本列表1–100 项queries文本列表1–200 项date_limits至少 3 字符language_limits至少 3 字符inclusion_scope/exclusion_scope各至少 10 字符known_limitations文本列表1–100 项至少 1 项last_result_screened_or_stop_rule至少 10 字符novelty_status枚举三态之一见下novelty_status的完整取值集为not_assessed、requires_specialist_review、supported_by_documented_comprehensive_search。注意模板示例中known_limitations明确写着这是模式示例不能支持新颖性、优先权或任何证据主张——模板本身就是演示格式用的合成数据真实使用时必须整体替换。8. 证据台账evidence_ledger 模板与字段要求文档要求以每行一个来源的方式完成assets/evidence_ledger_template.csv每行记录稳定的来源 ID关联的主张 IDlinked claim IDs标题与作者/机构发布日期来源类型与标识符规范 HTTPS URL访问日期关系relationsupportive支持、challenging挑战、contextual背景、method方法、safety安全或 mixed混合设计/文档类型局限与备注。audit_evidence_ledger.py 中定义的精确 CSV 表头共 13 列且要求精确有序CSV 表头乱序或缺列直接报错source_id,claim_ids,title,authors_or_organization,publication_date,source_type,identifier,url,accessed_on,relation,study_design_or_document_type,limitations,notes字段级约束从源码的load_ledger函数可直接读出source_id必须是合法标识符且全局唯一require_uniqueclaim_ids用分号分隔多个标识符split_identifierstitle5–2000 字符authors_or_organization2–1000 字符identifier3–1000 字符publication_date允许部分日期require_partial_dateaccessed_on必须是完整 ISO 日期url必须是 HTTPS URLrequire_https_urlsource_type限定 11 值枚举official_guidance、regulation_policy、reporting_guideline、primary_research、primary_method、systematic_review、consensus_report、book、dataset_or_registry、preprint、otherrelation限定 6 值枚举与文档第 142 行的六种关系一一对应notes可为空其余文本字段均不可缺省。审计命令与文档原文一致python3 scripts/audit_evidence_ledger.py \ local-evidence-ledger.csv \ local-search-boundary.json \ --record local-hypothesis-record.json命令后紧跟一句能力声明它只验证结构与链接——不访问 URL、不验证来源是否存在、不做证据评估、不判定某条引文是否支持该主张。9. 源码级机制审计脚本到底检查什么通读 audit_evidence_ledger.py 的audit()函数L228–L297可以精确列出它的行为边界警告类不导致失败但必须人工复核警告码触发条件SOURCE_ACCESSED_AFTER_SEARCH_BOUNDARY某来源的accessed_on晚于边界的searched_on——即先宣布检索完成、后接触来源NO_CHALLENGING_SOURCE_DECLARED整个台账中没有任何relationchallenging的行——只检索支持证据的直接信号NOVELTY_STATUS_REQUIRES_QUALIFIED_HUMAN_REVIEWnovelty_status被设为supported_by_documented_comprehensive_search时必然触发提醒该状态仍需合格人类确认错误类出现即validfalse——仅在传入--record做交叉核对时产生SEARCH_BOUNDARY_ID_MISMATCH假设记录里引用的search_boundary_id与边界文件不一致RECORD_SOURCE_MISSING_FROM_LEDGER记录引用的来源 ID 在台账中找不到UNKNOWN_CLAIM_ID台账链接的 claim ID 不在记录的合法标识符集合内该集合由_record_claim_ids从观察 ID、假设、estimand、预测、竞争解释、零假设、阴性对照、操作化与分析计划中汇总台账中存在而记录未声明的来源则降级为警告LEDGER_SOURCE_NOT_DECLARED_IN_RECORD。退出码语义tool_reference.md 与 SKILL.md 一致0表示结构有效仍可能有警告与人工复核缺口1表示解析成功但存在一致性错误2表示输入畸形/不安全/缺失/超限/类型错误。并且任何退出码都不意味着某个假说为真、新颖、合乎伦理或已被选择。运行时安全模型按 tool_reference.md所有内置 CLI 仅依赖 Python 3.11 标准库拒绝 URL 形态路径、符号链接、错误后缀、超大输入、非法 UTF-8 与 NUL 字节输入上限 2 MiB、CSV 数据上限 1000 行、单元格/Markdown 行上限 8000 字符不做任何网络、模型、子进程、凭据或环境变量调用输出仅写入显式指定的已存在本地目录默认拒绝覆盖需--force文件以私有权限0600原子写入。这也解释了为什么审计不访问 URL是设计约束而非实现遗漏。建议的本地流水线tool_reference.md 第 6 节与建议本地顺序python3 scripts/validate_hypothesis_schema.py local-record.json python3 scripts/check_operationalization.py local-operationalization.json python3 scripts/validate_prediction_matrix.py \ local-predictions.csv --record local-record.json python3 scripts/check_falsification_controls.py \ local-controls.json --record local-record.json python3 scripts/audit_evidence_ledger.py \ local-evidence.csv local-search-boundary.json --record local-record.json python3 scripts/lint_causal_claims.py local-draft.md python3 scripts/generate_preregistration_scaffold.py \ local-record.json -o local-preregistration.md测试套件 test_scripts.py 直接导入load_ledger与load_search_boundary并用仓库自带的 evidence_ledger_template.csv 和 search_boundary_template.json 作为输入跑审计含合成记录交叉核对路径因此这两份模板可以视为能通过审计器的最小合法样例——尽管模板行本身声明Not scientific evidence; does not support a real-world claim。10. 主张到来源的笔记Claim-to-source notes对每个有实质影响的主张文档要求记录六项内容来源中的精确位置章节、表、图、页码或原句引用证据是直接的、间接的、类比性的还是矛盾的研究设计与目标人群/系统实际报告的数量级与不确定性而非你期望的数量级关键局限与利益冲突对该候选解释的适用性。收尾要求同样严格每一个标识符与主张都必须对照来源验证。不要依赖搜索摘要片段或 AI 生成的引文。这与 SKILL.md 第 12 步人类问责中验证每一条引文与来源—主张链接的要求闭环——AI 可以幻觉引文台账与笔记结构的作用正是把这些链接变成可被逐条人工核验的对象。11. 检索停止什么算查完了停止规则必须预先文档化。文档给出的合格停止规则示例所有预设数据库均已检索每个查询筛查了固定深度的结果对指定的种子来源完成了向前/向后引文追踪达到了预定义的日期与语言边界术语或机制已记录为饱和saturation documented。同时列出四种不合格的停止理由找到了偏好证据、新结果看起来重复、某来源引用数高、某来源出现在知名期刊。这组清单把检索工作量是否足够从主观感受变成了可检查的规则也为第 7 节last_result_screened_or_stop_rule字段提供了填写依据。12. 报告有界结论两段标准措辞文档提供了两处可直接套用的报告模板核心是把结论限定在检索边界之内Searches were conducted on YYYY-MM-DD in [indexes] using [queries/strategy]. Within the documented date, language, access, and screening limits, we located [scope]. This does not establish universal absence, priority, or novelty.检索于 YYYY-MM-DD 在 [索引] 中使用 [查询/策略] 完成。在文档化的日期、语言、可及性与筛查限制内我们定位到 [范围]。这不确立普遍缺席、优先权或新颖性。对没找到的情况No directly matching source was located within the documented search boundary. Related work was found on [near neighbors]. A broader specialist search is required before making a novelty claim.在文档化检索边界内未定位到直接匹配的来源。在 [邻近主题] 上发现了相关工作。在做出新颖性主张之前需要更广泛的专门检索。第二句与Common failures末条把没找到与不存在混同直接呼应——这一措辞纪律是整个检索策略的最终产出形态。13. 十种常见失败模式文档结尾的 Common failures 清单值得作为评审自查表把影响因子或引用数当作研究有效性只检索支持性证据只用一个数据库忽视术语变化或历史性工作对应当引用原始研究的结论引用了综述把预印本当作同行评审成果遗漏勘误、撤稿或方案/注册记录逐字检索保密文本违反第 2 节门禁无可复现协议却声称穷尽检索把未找到与不存在混同。其中第 2 条与审计器的NO_CHALLENGING_SOURCE_DECLARED警告互为表里工具层能用机器检查的台账里有没有 challenging 来源就自动提示检查不了的是否只检索了一个数据库、是否忽视术语史则留给人工评审。14. 小结这条工作流的设计意图把 literature_search_strategies.md 放回 hypothesis-generation 技能 的整体框架中看它的角色是用八目标拆分 六步序列 停止规则约束检索过程用检索边界 JSON 证据台账 CSV 主张—来源笔记固化检索产物再用 audit_evidence_ledger.py 这类本地、无网络、确定性的 CLI 校验产物结构最后把科学判断来源是否真的支持主张、检索是否真的充分明确留给合格的人类。所有结论必须以在文档化边界内的有界措辞呈现not_assessed是novelty_status的默认值而非占位符——这套机制共同保证AI 辅助的文献检索产出的是可追溯的证据记录而不是伪装成结论的搜索摘要。适用前提与限制上述审计行为基于仓库当前版本的 tool_reference.md 与脚本源码技能元数据版本 2.1last-reviewed 2026-07-23脚本要求 Python 3.11 且仅用标准库无网络依赖。台账中引用的政策与指南具有时效性例如 source_ledger 中多条目的状态为current_transition_notice或要求核实最新版本在后续或特定辖区使用时应重新核查且时间敏感政策以 source_ledger.csv 的verified_on日期为核验基线。【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考