Exploration Loop

探索循环（Exploration Loop）

探索未知的核心风险是：在错误方向上花掉最贵的资源。本 Skill 的对策只有一条主线—— 让证据逐级升格：假设 → 便宜验证 → 昂贵验证。每一级淘汰一批候选，只有幸存者才配消耗下一级的成本。

循环总览

提出可证伪假设 → 便宜筛查（资料/数据/量纲） → 昂贵验证（实验/仿真/长计算） → 沉淀结论
        ↑ــــــــــــ 任一级证伪：修订或淘汰假设，回到起点 ــــــــــــ↓

第一步：把问题写成可证伪的假设

• 一个合格的假设必须同时写出主张和什么观测会推翻它。写不出推翻条件的，是愿望不是假设。
• 一次至少列 2–3 个竞争假设，避免只验证心中偏爱的那一个；竞争假设间应尽量互斥。
• 每个假设标注：当前置信度（低/中/高）、验证它的最便宜手段、若为真的下游影响。
• 产出落盘：lab/hypotheses.md（一条一节：主张 / 推翻条件 / 置信度 / 下一步验证手段）。
• 细化方法可配合 hypothesis-generation；候选太少先用 scientific-brainstorming 扩。

第二步：便宜验证——先筛后投入

便宜手段的原则：能用几分钟排除的，绝不留给几小时的实验。按成本从低到高依次使用：

1. 一致性检查（近乎零成本）：量纲是否匹配、数量级是否合理、是否违反守恒关系或已知恒等式。 任何假设先过这一关，不合格直接淘汰，不必查资料。
2. 查资料：已有文献/文档是否已经回答或否定了该假设（paper-lookup、literature-review、domain-presearch）。 注意用 scientific-critical-thinking 给来源分级，别让弱证据放行强主张。
3. 查已有数据：手头数据能否直接支持或反驳（exploratory-data-analysis 初探，statistical-analysis 检验）。 在已有数据上被反驳的假设，没有资格进入新实验。
4. 极端情形与反例构造：让假设在边界条件下运转一遍，找一个最可能击穿它的反例。

便宜验证的结论也要落盘：每个假设的筛查结果写回 lab/hypotheses.md，标明「淘汰（证据）/ 存活（待昂贵验证）」。

第三步：昂贵验证——只为幸存者买单

• 进入条件：假设已通过全部适用的便宜筛查，且写明了本次验证的判定标准（什么结果算支持、什么算推翻、什么算不确定）。判定标准必须在开跑前写下，禁止跑完后再定。
• 昂贵手段包括：新实验、长时间仿真/计算、采集新数据。预先估算成本（时间/算力/物料），与假设的价值相称才执行。
• 一次昂贵验证只回答一个主问题；顺带能答的次要问题记录即可，不为它们改设计。
• 所有输入（数据、参数、脚本）与输出落盘到工作区，保证可复跑。

第四步：沉淀与升格

• 被昂贵验证支持的结论，按项目章程（project.md）第 4 节的验收标准升格为「已确认的事实」，写入 knowledge/。
• 被推翻的假设不删除：保留其记录与推翻证据，防止后续重走死路。
• 过程性教训（工具坑、方法边界）写入 memory/ 对应 lessons 文件。

与 Plan 的接合

• 探索的每一轮在 Plan 里应是细粒度、可验证的步骤；每步的 done_criteria 必须指向具体证据文件 （如「lab/hypotheses.md 中假设 H2 标记为淘汰并附数据反例路径」），而不是「完成分析」这类空话。
• AdvancePlan 时引用的证据 = 本步落盘的产出；没有落盘产出的步骤不算完成。

分叉探索

• 当两条技术路线互斥且无法用便宜手段分出高下时，用 ForkPlan 把该步骤分叉成各自的分支。
• 分叉前必须先在步骤里声明评估标准：用什么指标、在什么数据/条件下比较、多少差距算显著。 没有事先声明的标准，分叉结束时的「择优」就是事后合理化。
• 收敛采纳其一后，落选分支的记录保留，作为「已探索路径」证据。

常见反模式