Pular para o conteúdo
Skillpedia
Diversos51 mil · #2002

what-if-oracle

Faz seu agente analisar cenários de 'e se' para planejar pesquisas. Ajuda a explorar diferentes possibilidades e tomar decisões informadas.

O que ela faz

Esta ferramenta ajuda a planejar projetos de pesquisa ou decisões importantes, explorando diferentes cenários futuros. Ela analisa o que pode acontecer em situações boas, ruins, inesperadas ou contrárias ao esperado, com base nas suas suposições e informações.

Quando usar

  • ✓Ao planejar um novo projeto de pesquisa e querer antecipar problemas.
  • ✓Ao decidir sobre qual caminho seguir em um projeto com muitas incertezas.
  • ✓Para testar a robustez de um plano diante de possíveis imprevistos.

Exemplo do que pedir para a IA

“Se a taxa de desistência de participantes for 10% maior que o planejado, ainda consigo coletar dados suficientes para meu estudo em 3 meses?”

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

https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/skills/what-if-oracle/SKILL.md

Mensagem pronta para colar

Use esta skill para me ajudar: https://github.com/K-Dense-AI/scientific-agent-skills/blob/main/skills/what-if-oracle/SKILL.md Leia o arquivo SKILL.md desse link e siga as instruções dele na minha tarefa.
Como funciona

Você descreve sua situação, o que pode mudar e quais são seus objetivos. A ferramenta então cria narrativas para diferentes cenários (como o melhor caso, o pior caso, etc.) com base nas suas informações e suposições.

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 what-if-oracle

Ou baixe só o arquivo:

curl -L https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/main/skills/what-if-oracle/SKILL.md -o SKILL.md
Conteúdo técnico (SKILL.md)

Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.

Oráculo "E Se" — Planejamento de Cenários de Pesquisa

Explore um conjunto limitado de futuros possíveis antes de comprometer recursos de pesquisa. O resultado é uma comparação de cenários, um registro de evidências e um plano de contingência. Não abrange todo o espaço de possibilidades nem estabelece que um mecanismo narrado ocorrerá.

Os seis prompts de ramificação e o mnemônico 0·SE·1 vêm da estrutura "E Se" anterior. Trate o mnemônico como uma ajuda de enquadramento: uma mudança potencial (0), uma condição declarada (SE), e um cenário resultante (1). Não é uma lei científica nem um modelo computacional.

O Paradigma "E Se" e a Teoria Unificada da Consciência Digital do autor são catalogados pelo Zenodo como preprints. Seu depósito e DOI estabelecem a proveniência, não a precisão de previsão ou a validação empírica deste fluxo de trabalho.

Quando usar

Use para perguntas como:

  • E se a perda de amostras for maior do que o planejado?
  • E se um método falhar na transferência para um novo instrumento, coorte ou local?
  • E se um reagente, conjunto de dados ou medição chave se tornar indisponível?
  • Qual opção de pesquisa permanece viável sob hipóteses concorrentes ou restrições de recursos?

Mantenha a análise vinculada a uma decisão científica. Isso não é um conselho geral de negócios, pessoal ou uma habilidade de arquitetura de software. Se a pergunta exigir um efeito de intervenção, um cálculo de poder ou uma simulação numérica, identifique o projeto/modelo e as evidências necessárias; não fabrique esses resultados com prosa de cenário.

Nenhum pacote, endpoint de API, credencial ou conexão de rede é necessário para o fluxo de trabalho qualitativo. Verifique os fatos externos atuais quando eles importarem, ou rotule a análise como baseada apenas em material fornecido. Para prompts específicos de pesquisa e um exemplo prático, consulte references/scenario-templates.md.

Fase 1 — Enquadre a pergunta e as evidências

Escreva uma pergunta operacional contendo:

  • Decisão e comparador: o que pode ser alterado e o que acontece sob o plano atual?
  • Perturbação: a variável principal, magnitude, unidades e quaisquer mudanças acopladas. Não assuma que outras variáveis permanecem fixas quando o mecanismo as vincula.
  • Horizonte e sistema: população, local, protocolo e janela de tempo aos quais a resposta se aplica.
  • Resultado e restrições: critérios de sucesso/falha mensuráveis, orçamento, capacidade e consequências irreversíveis.
  • Linha de base: observações e suas datas, separadas de suposições e metas desejadas.

Por exemplo: "Se a fração de amostras utilizáveis for 60% em vez dos 80% planejados, um lote de 100 amostras pode entregar 80 amostras utilizáveis este mês, e qual contingência devemos preparar?" Ambas as frações podem ser suposições de planejamento até serem apoiadas por dados.

Use o enquadramento fornecido pelo usuário quando for suficiente. Declare suposições de trabalho razoáveis e prossiga; peça um fato ausente apenas quando ele alterar materialmente a análise.

Mantenha um breve registro de evidências: afirmação, fonte ou versão/data dos dados, população/protocolo relevante, incerteza e status (observado, derivado de modelo ou assumido). Registre evidências conflitantes. Uma justificativa gerada por LLM não é uma observação adicional nem uma avaliação independente de especialista.

Fase 2 — Explore ramificações de cenário

Selecione cenários distintos adequados à pergunta, geralmente de quatro a seis. Uma triagem curta pode usar cenários favoráveis, de referência e adversos. Os rótulos abaixo são lentes de exploração, não resultados mutuamente exclusivos ou uma distribuição de probabilidade.

Lente O que examinar Limite científico
Ω Favorável (melhor caso) Condições favoráveis dentro de limites justificados Não é um limite superior comprovado; especifique de quem o resultado melhora
α Caso de referência Uma linha de base declarada ou conjunto central de suposições Chame de "provável" apenas se evidências comparativas apoiarem essa classificação
Δ Adverso (pior caso) Falhas plausíveis, incluindo falhas dependentes Não é um limite inferior comprovado nem o pior resultado imaginável
Ψ Coringa Uma interrupção concreta fora das suposições principais Não afirme enumerar eventos incognoscíveis nem atribua uma raridade a partir do rótulo
Φ Contrário Uma alternativa a uma hipótese dominante Avalie evidências de apoio e desconfirmação; a discordância por si só não é suporte

…

Perguntas frequentes

A ferramenta prevê o futuro?

Não, ela explora cenários possíveis com base nas informações que você fornece. Não garante que algo acontecerá ou estima probabilidades.

Preciso ser um cientista para usar?

É voltada para planejamento de pesquisa, mas o conceito de explorar cenários pode ser adaptado para outras decisões importantes onde você quer entender os riscos.

A ferramenta faz cálculos complexos?

Ela pode ajudar a organizar informações para análises, mas não realiza simulações numéricas ou cálculos estatísticos complexos por si só. Você precisa fornecer os dados e métodos para isso.

Detalhes

Descrição original do autor

Supports structured what-if scenario analysis for research planning, experimental contingencies, and scientific project decisions. Explores favorable, reference, adverse, wild-card, contrarian, and second-order scenarios with explicit assumptions, evidence, and decision triggers. Use to stress-test a research plan under uncertainty; scenario narratives do not estimate causal effects or calibrated

repo: K-Dense-AI/scientific-agent-skills

Popularidade

Estrelas no GitHub
51 mil
Posição no ranking
#2002
Licença
MIT
Atualizada em
15/10/2026

Essa skill é útil?

0

Entre para votar.

Comentários

  • …

Mais skills deste repositório

Skills parecidas