# Exploration Loop

> 【探索方法学·证据升格】面向未知问题的通用探索循环：把问题写成可证伪假设 → 用最便宜的手段先筛 → 通过后才投入昂贵验证 → 每步产出落盘并写进 Plan 证据。适用：任何「还不知道答案」的问题——开题、根因排查、方案比选、机理探究。不适用：目标与做法都已明确的执行型任务。

- Skill: `clearailhc/exploration-loop` (Agent Skill)
- Install (CLI): `npx skillmds@latest add clearailhc/exploration-loop`
- Raw SKILL.md: https://api.skillmd.com/api/skills/clearailhc/exploration-loop/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- License: MIT license
- Author: Clearailhc (https://skillmd.com/u/clearailhc)
- Updated: 2026-09-22
- Page: https://skillmd.com/skills/clearailhc/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

| 反模式 | 纠正 |
| --- | --- |
| 直接开跑大实验/长计算「看看结果」 | 先写假设与判定标准，先过便宜筛查 |
| 只验证一个心仪假设 | 列竞争假设，优先尝试证伪而非证实 |
| 结果出来后再解释「其实符合预期」 | 判定标准必须写在执行之前 |
| 被推翻的假设悄悄消失 | 保留记录与证据，标记淘汰原因 |
| Plan 步骤写成「研究一下 X」 | 改写为带证据文件路径的可判定步骤 |