hypothesis-generation
Ajuda seu agente a criar planos de pesquisa testáveis. Ele formula perguntas científicas, hipóteses e previsões a partir de observações, sem tratar hipóteses como fatos.
O que ela faz
Esta ferramenta ajuda a transformar uma observação em perguntas de pesquisa e explicações testáveis. Ela cria hipóteses (ideias que podem ser provadas erradas) e planos para testá-las, garantindo que sejam baseadas em evidências e não em suposições.
Quando usar
- ✓Quando você tem uma observação interessante e quer saber por que ela acontece.
- ✓Ao querer criar um plano de pesquisa claro para testar uma ideia.
- ✓Para gerar diferentes explicações possíveis para um fenômeno.
Exemplo do que pedir para a IA
“Tenho observado que as plantas no meu quintal crescem mais rápido perto da cerca. Quais são as possíveis explicações e como posso testá-las?”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
A ferramenta analisa sua observação e gera perguntas de pesquisa e hipóteses. Em seguida, ela sugere maneiras de testar essas hipóteses, como planejar experimentos ou análises, sempre lembrando de considerar explicações alternativas.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add K-Dense-AI/scientific-agent-skills --skill hypothesis-generationOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/main/skills/hypothesis-generation/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Geração de Hipóteses Científicas
Transforme uma observação em um conjunto transparente de explicações e testes candidatos. Uma hipótese é uma proposta a ser desafiada, não uma descoberta, fato, diagnóstico ou recomendação.
Limites inegociáveis
Antes de usar material não publicado, sensível, controlado, pessoal, proprietário, controlado para exportação ou relevante para segurança:
- Confirme a autorização e as políticas institucionais, de financiadores, de publicações, de uso de dados, de privacidade e de IA aplicáveis.
- Mantenha o material local, a menos que um humano autorizado aprove explicitamente um destino externo nomeado e o escopo dos dados.
- Minimize as entradas. Não coloque dados sensíveis ou não publicados em pesquisas na web ou em sistemas de IA externos sem autorização.
- Pare no ponto apropriado de controle humano, animal, de biossegurança, de uso duplo, de governança de dados ou regulatório.
Nunca:
- apresente uma hipótese, mecanismo, efeito causal, citação ou padrão aparente como evidência estabelecida;
- reivindique novidade porque uma busca rápida não encontrou nada;
- infira causalidade a partir de associação, ordem temporal isolada, precisão preditiva ou saída de modelo;
- forneça diagnóstico específico do paciente, tratamento, dose, prognóstico ou outro conselho clínico;
- forneça otimização experimental prejudicial ou detalhe operacional para patógenos, toxinas, armas, evasão ou outro uso indevido;
- contorne revisões de IRB/REC, IACUC, IBC, biossegurança, uso duplo, privacidade, legais ou regulatórias;
- fabrique fontes, identificadores, cobertura de busca, dados, resultados, aprovações ou pré-registro;
- pontue, classifique, selecione, aceite ou rejeite automaticamente hipóteses científicas.
Se uma solicitação cruzar um ponto de controle de segurança, produza apenas uma nota de alto nível de risco/supervisão e encaminhe-a para a autoridade local qualificada. Não prossiga com detalhes operacionais.
Mantenha os objetos distintos
| Objeto | Significado |
|---|---|
| Observação | O que foi medido, notado ou relatado, com proveniência e incerteza |
| Questão de pesquisa | A pergunta respondível que define o escopo |
| Hipótese | Uma proposição explicativa ou relacional candidata |
| Mecanismo | O processo proposto que conecta condições a um resultado |
| Estimativa causal | O contraste causal precisamente definido a ser estimado |
| Previsão | Uma implicação observável derivada antes de verificar o resultado alvo |
| Explicação alternativa | Uma conta rival, incluindo viés ou explicações não causais |
| Hipótese nula | Um modelo especificado de ausência de efeito/diferença usado por uma análise |
| Controle negativo | Um controle que não se espera que opere através do mecanismo proposto |
| Operacionalização | Como um construto se torna uma variável, medida, intervenção ou categoria |
| Plano de análise | Transformações, modelos, contrastes, incertezas e regras de decisão pré-especificados |
| Evidência | Observações ou fontes que se relacionam a uma afirmação; nunca a própria afirmação |
Não colapse esses rótulos. Uma história mecanicista não é uma previsão; uma previsão não é evidência; a rejeição de uma nula não prova um mecanismo; o suporte a um candidato não elimina rivais não considerados.
Fluxo de trabalho
1. Execute o escopo e o ponto de controle de segurança
Registre:
- proprietário humano responsável e uso pretendido;
- sensibilidade dos dados, autorização, retenção e processamento permitido;
- pessoas, animais, ecossistemas, comunidades ou interesses de segurança afetados;
- revisões necessárias de ética, viabilidade, biossegurança, uso duplo e regulatórias;
- bloqueios não resolvidos e conhecimento de domínio necessário.
Nenhuma aprovação de script constitui aprovação ética, de segurança, regulatória ou científica.
2. Congele a observação
Escreva a observação antes da interpretação:
- medida ou fonte;
- população, sistema, local e tempo;
- unidade de observação e unidade de análise;
- incerteza, dados ausentes, exclusões e pré-processamento;
- se o padrão foi esperado, exploratório ou selecionado após a visualização dos resultados.
Use "relatado", "observado" ou "associado", não linguagem causal, a menos que um desenho causal e uma estimativa o justifiquem.
3. Enquadre a questão de pesquisa
Escolha um framework apenas quando ele se encaixar:
- PICO/PICOT para questões de intervenção/eficácia: população, intervenção, comparador, resultado e, opcionalmente, tempo.
- PECO para questões de exposição.
- População–teste índice–padrão de referência–condição alvo para precisão diagnóstica.
- População–fator prognóstico–resultado–tempo para prognóstico.
- Um framework construto–contexto–resultado específico do domínio para trabalho qualitativo, descritivo, mecanicista ou teórico.
…
Perguntas frequentes
O que é uma hipótese?
Uma hipótese é uma ideia ou explicação que você propõe e que pode ser testada para ver se é verdadeira ou falsa. Não é um fato comprovado.
Por que é importante ter explicações rivais (alternativas)?
Ter explicações alternativas ajuda a garantir que você não está apenas confirmando sua ideia inicial, mas realmente investigando a causa mais provável. Isso torna a pesquisa mais robusta.
Quais são as 'fronteiras inegociáveis' mencionadas?
São regras de segurança e ética importantes. Elas alertam para não usar dados sensíveis sem permissão, não apresentar hipóteses como fatos, não inferir causalidade sem provas e seguir as regulamentações de pesquisa.
Detalhes
Descrição original do autor
Formulates evidence-bounded scientific questions, candidate hypotheses, rival explanations, causal or associational claims, discriminating predictions, measurements, and preregistration-ready analysis plans. Used when turning observations or preliminary findings into transparent, testable research plans without treating hypotheses as facts.
Popularidade
- Estrelas no GitHub
- 51 mil
- Posição no ranking
- #1887
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
13c-metabolic-flux
Estima fluxos metabólicos usando dados de rastreamento de isótopos de carbono-13. É útil para analisar o metabolismo celular e vias bioquímicas.
K-Dense-AI/scientific-agent-skills
adaptyv
Projeta experimentos de caracterização de proteínas usando a API Adaptyv. Ele ajuda a estimar custos, enviar sequências e monitorar resultados de laboratório.
K-Dense-AI/scientific-agent-skills
aeon
Realiza tarefas de aprendizado de máquina em séries temporais. É útil para classificar, prever, detectar anomalias e encontrar padrões em dados sequenciais.
K-Dense-AI/scientific-agent-skills
alphagenome
Consulta efeitos genômicos pré-calculados para variantes genéticas. Ele fornece pontuações e explicações para entender o impacto das variantes no genoma.
K-Dense-AI/scientific-agent-skills
Skills parecidas
agent-architecture-audit
Faz seu agente verificar se tudo está funcionando corretamente. Ele encontra e conserta problemas em sistemas de IA, garantindo que funcionem como esperado.
affaan-m/ECC
agent-eval
Ajuda seu agente a comparar diferentes ferramentas de programação de IA. Ele mede qual é mais rápido, barato e confiável para realizar tarefas específicas.
affaan-m/ECC
agent-harness-construction
Faz seu agente entender melhor como realizar tarefas. Ele otimiza as ferramentas e instruções que o agente usa para aumentar suas chances de sucesso.
affaan-m/ECC