ocean326 想法澄清器
在你真正投入实验预算之前，用这个技能先压缩不确定性。
当一个 idea 需要更强的科学式发散或更明确的 hypothesis framing 时，读取 references/upstream-patterns.md。
工作流程
- 先把 idea 重述为：
- task
- pain point
- proposed change
- expected benefit
- 强制把想法压缩进一个小决策框架：
- 要改进的表征是什么
- 引入了什么 inductive bias
- 应该击败什么已有 baseline
- 什么证据会让这个 idea 变得可信
- 明确区分：
- core idea
- optional bells and whistles
- assumptions that might break
- 对序列表征学习，显式检查：
- 提升到底来自更长上下文、更好的目标函数、更强数据还是更强结构
- 方法是否在序列长度变化或 domain shift 下仍然稳定
- 是否有一个简单 baseline 就能解释看似显著的提升
- 将结果整理成：
- 一句贡献总结
- 2-3 个可检验 hypotheses
- 第一个最小可行实验
- 如果想法看起来太弱或赛道太拥挤，转交给
research-novelty-audit。 - 如果 framing 已经稳定，转交给
research-experiment-design-planner。
输出要求
返回：
- 一版整理后的 idea statement
- 关键假设与风险
- 两个核心对比维度
- 第一个该跑的实验
示例
- “使用 $research-idea-clarifier 把这个粗糙的序列表征想法磨成可验证方案。”
- “使用 $research-idea-clarifier 把这份方法笔记整理成一个研究方向。”
- “使用 $research-idea-clarifier 告诉我这里真正的核心贡献是什么。”