Discovery
自动发现表格数据中新颖统计验证的模式
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：Discovery。 它的用途是：自动发现表格数据中新颖统计验证的模式 完整的 Skill 内容见：https://321skill.com/skills/discovery-x/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
'帮我分析这份销售数据，自动发现隐藏的模式和子组效应。' Discovery 会系统搜索所有特征组合，输出统计验证的模式，并给出每个模式的新颖性评分和文献引用，例如'年龄>30且购买频次>5的用户，复购率显著高于其他群体（p<0.01，效应量0.45）'。
介绍
数据分析中，我们经常错过隐藏在特征交互、子组效应和条件关系中的关键洞察。Discovery 专为解决这一问题而生：它自动扫描你的表格数据，系统性地搜索所有可能的模式，并使用 FDR 校正的 p 值在留出数据上验证每一条发现的统计显著性，最终只返回可靠的结果。
使用非常简单：提供一份 CSV 或类似格式的表格数据，Disco 就会运行全面的模式搜索。输出是一份结构化的报告，包含每个模式的详细条件、效应量、相关学术文献引用以及新颖性评分，让你一眼就能判断哪些发现值得深入探索。
最适合数据分析师、学术研究者和量化从业者——任何需要从数据中挖掘可验证洞察、但又不希望手动穷举所有可能组合的人。对于业务分析师，它能发现常规报表无法揭示的隐藏规律；对于研究人员，它还能自动比对文献，提示你的发现是否已有相关研究。
需要注意：Discovery 是计算密集型工具，对大型数据集（百万行以上）可能需要较长的运行时间。建议先对样本数据试跑，熟悉参数后再处理全量数据。此外，统计验证仅确保模式在数据中成立，最终的业务意义仍需结合领域知识判断。
核心特点
与传统的统计软件或 AI 提示词方案不同，Discovery 不仅自动化搜索，还对每个发现进行 FDR 校正的留出数据验证，并自动检索学术文献给出新颖性评分，确保输出既可靠又具备创新参考价值。
注意事项
不适合实时流式数据或需要秒级响应的场景，因为搜索和验证过程计算开销较大。
常见问题
Discovery 支持哪些数据格式？
支持 CSV、Excel 等常见表格格式，建议数据为干净的结构化表格，列名清晰，无过多缺失值。
是否需要事先指定要搜索哪些模式？
不需要，Discovery 会自动搜索所有可能的特征交互和子组效应，你只需提供数据即可。
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/discovery-x/raw/index.md 读取 Discovery 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/discovery-x/raw/index.md（查看排版版本）