science-superpowers
为研究型AI智能体提供一套完整的、基于预注册原则的计算科学方法论。
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：science-superpowers。 它的用途是：为研究型AI智能体提供一套完整的、基于预注册原则的计算科学方法论。 完整的 Skill 内容见：https://321skill.com/skills/science-superpowers/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
“我想分析一下我们新产品上线后的用户活跃度数据，看看是否有显著提升。” 它会首先引导你明确具体的研究问题、提出可检验的假设，并设计完整的分析方案（包括使用哪些指标、何种统计检验）并将其“预注册”下来，然后才去执行数据分析，最后还会对结果进行交叉验证和挑战。
介绍
Science Superpowers 旨在解决研究型AI智能体在数据分析中常见的随意性、不可复现性和统计偏差问题。它不是一个单一的工具，而是一套内置于智能体的方法论和技能集，通过在研究流程的各个关键节点自动触发，引导智能体遵循严谨的科学规范。
使用时，您只需将这套技能集成到您的AI智能体框架中。当您启动智能体并表达研究意图时，它会自动引导您完成从问题定义、文献调研、分析设计、预注册到执行验证的全流程，确保每一步都符合可重复研究的标准。
它特别适合需要利用AI进行数据驱动研究的学术研究者、数据分析师以及相关领域的高校学生。这些用户通常面临从海量数据中得出可靠结论的挑战，而本技能集能系统性地提升其研究工作的严谨性和可信度。
请注意，这套方法论的核心是“预注册”，即在看到结果数据前锁定假设和检验方法，这可能会增加前期规划的时间，但能极大避免事后追认（HARKing）和p值操纵（p-hacking），是产出高质量研究的基石。
核心特点
与仅提供单一分析工具的技能不同，它是一套完整的研究方法论框架，强制实施“预注册”这一科学黄金标准，从流程根源上杜绝研究偏差；同时，它完全独立，零第三方依赖，仅需智能体框架和POSIX shell即可运行。
注意事项
不适合需要快速、探索性、非正式的数据分析或原型验证场景，因其严谨的预注册流程会延长前期准备时间。
常见问题
Science Superpowers 具体包含哪些技能？
包含15个技能，涵盖从定义研究问题、文献调研、分析设计、预注册、到执行分析、异常根因分析、结果验证和红队测试的全流程。
如何让我的AI智能体使用这些技能？
通过安装该仓库，并将其提供的初始指令和技能集成到您的智能体框架（如Claude Desktop, Cursor等）中，技能会在会话启动时自动引导流程。
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/science-superpowers/raw/index.md 读取 science-superpowers 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/science-superpowers/raw/index.md（查看排版版本）