good-question
一个帮助研究者打磨和优化科研问题的AI技能。
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：good-question。 它的用途是：一个帮助研究者打磨和优化科研问题的AI技能。 完整的 Skill 内容见：https://321skill.com/skills/good-question/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
“用 $good-question 帮我把这个粗略想法打磨成一个好的科研问题：我认为社交媒体使用时长可能影响青少年的注意力广度，但具体机制不清楚。” 它会引导你补充领域、已有资源等信息，然后输出一张“好问题卡”，详细列出核心问题、竞争性解释、关键验证方法及评审可能质疑的点。
介绍
good-question 是一个专为科研工作者设计的AI技能，旨在解决研究初期或推进过程中常见的问题模糊、价值不清、方向不明的困境。它能将你模糊的兴趣、初步的想法或文献空白，系统性地梳理、打磨成具体、可检验、有价值的研究问题。
使用时，你只需向AI描述你的研究状态（如一个粗略想法、一段proposal摘要或一个文献空白），并调用该技能。它会引导你提供更多上下文，然后通过一套严格的流程，输出结构化的“好问题卡”，帮助你评估问题的价值、可行性及下一步行动。
它非常适合正在选题、撰写开题报告、基金申请书或感觉研究项目陷入瓶颈的学术研究者、高校学生以及需要严谨论证的行业研发人员。无论是自然科学、社会科学还是工程领域，只要涉及提出和论证研究问题，都能从中受益。
建议在使用时尽可能提供详细的背景信息，如领域、已有资源、时间限制和目标（论文、基金等），这将使分析更具针对性。对于特定领域（如生物医学、社会科学），可参考其附带的领域使用指南以获得更贴合学科范式的建议。
核心特点
与一般灵感生成或头脑风暴工具不同，它严格遵循一套源自科研方法论（如可证伪性、竞争性假设、Heilmeier问答等）的评估流程，不仅生成想法，更通过“压力测试”和“评审模拟”来锤炼问题的严谨性与抗辩性。
注意事项
不适合寻求即时答案或具体解决方案的场景，其核心是“磨问题”而非“给答案”。
常见问题
good-question 能直接帮我写论文吗？
不能。它的核心作用是帮助你定义和优化研究问题，这是论文写作的前提，但不会代写具体内容。
这个技能适合非学术的行业研究或产品分析吗？
适合。只要你的工作涉及提出并验证一个需要严谨论证的核心问题（如产品关键假设、市场进入策略的核心不确定性），其方法论同样适用。
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/good-question/raw/index.md 读取 good-question 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/good-question/raw/index.md（查看排版版本）