science-superpowersK-Dense-AI/science-superpowers
把科研分析从「先跑数据再找结论」拉回「先定问题、先注册方案、再执行分析」的规范流程,让每一步分析都有据可查、可复现。核心功能要点包括:1.【研究问题界定】:在任何分析开始前强制把模糊的研究想法收敛为可检验的研究问题,避免分析目标漂移;…
还没有人评分
我要评分
Stars350
Forks36
Watchers350
Open Issues2
Install一键安装
待确认这个仓库是否遵循 Agent Skills 规范(即是否含 SKILL.md)尚未核查完成。在结论出来之前,可以先克隆下来自行取用:
git clone https://github.com/K-Dense-AI/science-superpowers.git
Overview功能介绍
核心功能
把科研分析从「先跑数据再找结论」拉回「先定问题、先注册方案、再执行分析」的规范流程,让每一步分析都有据可查、可复现。核心功能要点包括:1.【研究问题界定】:在任何分析开始前强制把模糊的研究想法收敛为可检验的研究问题,避免分析目标漂移;2.【前期工作调研】:围绕研究问题系统梳理已有文献与相关工作,为问题定位和方案选择提供依据;3.【分析方案设计】:在动手分析前确定变量、方法与判定标准,把分析计划前置;4.【分析预注册】:将分析方案固化为预注册记录,区分验证性分析与探索性分析,防止事后改假设;5.【子代理驱动分析】:由子代理按预注册方案执行分析步骤,保持执行过程与方案一致;6.【红队评审】:在结论产出前请求独立红队审查,挑出逻辑漏洞与过度解读;7.【可复现与证据优先】:检查分析过程的可复现性,要求结论以证据而非主张为依据。
适用场景
科研课题立项与问题界定、文献综述与前期工作调研、分析方案设计与预注册、子代理驱动的数据分析执行、红队评审与结论核查、可复现性检查与证据溯源。
适用职业
AI / 算法工程师、数据分析师 / 数据工程师、产品经理 (PM)、测试 / QA 工程师。
Topics主题标签
Rating用户评分
还没有人给这个技能评分。它是全站第一次被评价 —— 你的这一票就是最初的平均分。
Repository仓库信息
| 技能 ID | 2207 |
|---|---|
| 数据来源 | GitHub |
| 仓库全名 | K-Dense-AI/science-superpowers |
| 所属分类 | 教育培训与实战课程 / 技术学习与知识架构 |
| 主要语言 | Shell |
| 开源协议 | Other |
| 默认分支 | main |
| GitHub 仓库 ID | 1252814323 |
| 节点 ID | R_kgDOSqxt8w |
| 榜单排名 | #1686 (来源榜单内名次) |
| 全站热度排名 | #1892 (按 Stars 实时计算,共 5833 条) |
GrowthStar / Fork 增长
每天一次快照,记录 Star 与 Fork 的变化过程
- 当前350
- 上一记录点 · 09-25 340
- 较上一记录点 +10
- 共 2 个记录点 跨度 16 天
- 当前36
- 上一记录点 · 09-25 35
- 较上一记录点 +1
- 共 2 个记录点 跨度 16 天
Timeline时间线
仓库创建2026-05-28 22:37:525 个月前
资料最后更新2026-10-26 12:20:5522 天前
最近一次代码推送2026-09-13 14:59:312 个月前
Commit更新记录
版本【latest】由提交人 timothykassis 提交,主要更新类型为:功能特性新增与扩展。提交说明:Add docs。为项目引入了新的能力与模块支持。