Clearailhc 科学假设形成 Skill（ClearAI 版）
使用边界
- 适用：有初步观察、预研结论或数据模式，需形成 3–5 个可区分、可证伪的假设。
- 不适用：尚无观察的早期探索 →
scientific-brainstorming；自动化批量假设挖掘 → P1hypogenic。
ClearAI 工具与路径映射
- 文献 →
web_search+paper-lookup（学术补充） - 数据探查 →
read/bash（pandas 摘要） - 假设文档 →
write到lab/knowledge/hypotheses.md - 验证计划中的脚本 →
lab/scripts/ - 经验回写 →
clear/memory/hypothesis_generation_lessons.md
工作流
1. 澄清现象
- 核心观察是什么？范围与约束？已知 vs 未知？
2. 文献与事实检索
web_search获取行业实践与学术线索- 需要 DOI/论文细节时加载
paper-lookup
检索策略见 references/literature_search_strategies.md。
3. 综合证据
- 当前共识、冲突证据、空白点
4. 生成竞争假设（3–5 个）
每条假设须含：
- 机制解释（非仅描述）
- 可观测预测
- 证伪条件（什么结果可推翻它）
5. 质量评估
用 references/hypothesis_quality_criteria.md 评估：可检验性、可证伪性、简约性、解释力。
6. 设计验证步骤
- 需要什么数据/实验/统计检验？
- 下一步 Skill：
exploratory-data-analysis→statistical-analysis或data-analysis
交付物 lab/knowledge/hypotheses.md
## H1: ...
- 机制：...
- 预测：...
- 证伪：...
- 验证动作：...
- 优先级：高/中/低
与 NEXT「可验证假设」口径对齐：CM 分析、diagnosis 根因分析可直接引用本文档。