de-anthropocentric-research-engine
一个用于AI原生科学研究的自主研究编排系统。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：de-anthropocentric-research-engine。 它的用途是：一个用于AI原生科学研究的自主研究编排系统。 完整的 Skill 内容见：https://321skill.com/skills/de-anthropocentric-research-engine/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“启动DARE，研究‘如何利用联邦学习在保护隐私的前提下，提升罕见病医疗影像诊断模型的性能’。” 它会自动开始搜索相关论文，分析现有方法的局限性与空白，生成多个创新性技术假设，并对每个假设进行严格的压力测试，最终为你提供一份包含具体实验设计、数据需求和方法论评估的完整研究计划书。
介绍
DARE旨在解决现代科学研究中“人类认知瓶颈”的问题。传统研究工具仍需人类主导决策与流程，而DARE则扮演了“自主研究者”的角色，能够从零开始或基于模糊兴趣，自主完成从文献挖掘、发现研究空白、生成并压力测试假设，到设计实验和产出可执行研究方案的完整闭环。
使用时，用户只需设定研究方向或提出一个宽泛的问题，DARE便会启动其多阶段研究流程。它通过集成的多个MCP工具（如Semantic Scholar、Wiki Vault）进行深度文献检索，运用超过15种方法识别研究空白，并使用31种以上的构思方法生成假设，最后通过对抗性压力测试确保其健壮性，最终输出结构化的、可执行的研究规格文档。
它非常适合需要系统性、大规模探索未知领域或进行高强度文献综述的学术研究者、数据分析师以及从事前沿技术调研的工程师。对于需要快速验证想法或进行跨学科交叉研究的高校学生和产品经理也有很大帮助。
需要注意的是，DARE是一个强大的自主系统，其输出深度依赖于初始指令的清晰度和可用数据源的质量。它最适合处理定义相对宽泛但目标明确的探索性问题，而非简单的信息查询。初次使用建议从较小的研究范围开始，以熟悉其工作流程和输出格式。
核心特点
与大多数仍需人类逐步指导的“AI研究助手”不同，DARE是一个完整的、端到端的自主研究引擎，能够独立执行从问题定义到方案设计的全流程，其核心在于“去人类中心化”的研究编排能力。它集成了900多个可自由组合的纯Markdown技能，并通过内置的对抗性压力测试和多标准合成方法，确保产出的研究假设和方案具有更高的严谨性和创新性。
注意事项
不适合用于执行简单的事实查询或需要高度依赖人类主观判断和即时反馈的创意性写作任务。
常见问题
DARE能帮我写论文吗？
能，但它不止于写作。它能自主进行文献调研、发现研究空白、形成可验证的假设并设计实验方案，最终产出结构化的研究规格，为论文撰写提供扎实的基础和完整框架。
需要编程知识才能使用吗？
基本不需要。通过配置好的AI助手（如Claude Desktop）调用其技能即可。但高级定制和本地环境配置可能需要一定的技术背景。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/de-anthropocentric-research-engine/raw/index.md 读取 de-anthropocentric-research-engine 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/de-anthropocentric-research-engine/raw/index.md（查看排版版本）