Co scientist hypothesis

Co-Scientist Hypothesis: 多智能体假设锤炼系统

来源论文

Gottweis et al., "Accelerating scientific discovery with Co-Scientist", Nature, 2026-05-19. DOI: 10.1038/s41586-026-10644-y

注意：同日 Nature 论文 "A multi-agent system for automating scientific discovery" (DOI: 10.1038/s41586-026-10652-y) 对应 Robin，不是 Co-Scientist。不要把 Robin 的端到端实验自动化能力混入本 skill 的核心边界。

核心理念

科学发现的关键在于研究者连接分散事实、提出正确假设的能力。Co-Scientist 用多智能体系统模拟研究团队的协作模式：不同 Agent 各司其职——有人提出想法、有人批判、有人排名、有人改进——通过锦标赛式的竞争淘汰，让假设在"辩论"中螺旋上升。

本 skill 的目标：在支持 skills 的 agent host 中复现这一完整流程，让用户能对任意科学研究问题进行系统性的假设锤炼。

---

Cross-Tool Compatibility

Treat ~/.agents/skills/co-scientist-hypothesis as the only editable source on a local machine.

Project outward as thin links only:

• ~/.claude/skills/co-scientist-hypothesis
• ~/.codex/skills/co-scientist-hypothesis
• ~/.gemini/skills/co-scientist-hypothesis
• ~/.gemini/antigravity/skills/co-scientist-hypothesis

Keep the skill body host-neutral:

• resolve relative files from this skill directory before reading reference/, domains/, templates/, or scripts/
• use whichever host search/browser tools are available for literature grounding; if no live search is available, ask the user for papers, PDFs, or a literature context bundle
• if the host has no structured ask-user tool, pause in normal chat for scientist-in-the-loop feedback
• run deterministic scripts through the local shell when available; otherwise preserve the JSON schema and explain which scripted validation could not run
• do not maintain copied SKILL.md forks in host-specific directories

---

系统架构

┌─────────────────────────────────────────────────────────────┐
│                     Supervisor (协调者)                        │
│  解析研究目标 → 分配任务 → 管理 Worker Queue → 资源调度        │
└─────────┬───────────────────────────────────────────────────┘
          │
          ▼
┌─────────────────────────────────────────────────────────────┐
│                    异步任务执行框架                             │
│                                                             │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐   │
│  │Generation│  │Reflection│  │ Ranking  │  │Evolution │   │
│  │  Agent   │  │  Agent   │  │  Agent   │  │  Agent   │   │
│  └────┬─────┘  └────┬─────┘  └────┬─────┘  └────┬─────┘   │
│       │              │              │              │         │
│  ┌────┴─────┐  ┌────┴─────┐                               │
│  │Proximity │  │Meta-Review│                               │
│  │  Agent   │  │  Agent   │                               │
│  └──────────┘  └──────────┘                               │
└─────────────────────────────────────────────────────────────┘
          │
          ▼
┌─────────────────────────────────────────────────────────────┐
│              Context Memory (持久化假设状态)                    │
│  假设池 + Elo 分数 + 进化谱系 + 文献引用 + 科学家反馈          │
└─────────────────────────────────────────────────────────────┘

---

Supervisor 与六个专业 Agent

加载详细角色定义：agent-roles.md

---

工作流程

输入

用户以自然语言提供：

1. 研究目标 (Research Goal) — 核心科学问题
2. 种子想法 (Seed Ideas, 可选) — 初始方向或约束
3. 领域上下文 (Domain Context, 可选) — 相关背景知识
4. 迭代预算 (Iteration Budget) — 期望的锤炼轮次

执行流程

加载详细流程定义：workflow.md

简要概览：

Phase 0: SCOPE — Supervisor 解析研究目标，生成配置
Phase 1: GENERATE — 文献检索 + 初始假设池生成 (10-30 个)
Phase 2: REFLECT — 逐一批判，标注弱点和改进方向
Phase 3: RANK — Elo 锦标赛，假设两两对决
Phase 4: EVOLVE — 高分假设组合进化，产生下一代
Phase 5: PROXIMITY — 去重 + 新颖性检查
Phase 6: META-REVIEW — 全局分析，识别假设空间结构
Phase 7: FEEDBACK — 呈现结果，接收科学家反馈
Phase 8: ITERATE — 基于反馈重新进入 Phase 1-6
Phase 9: PACKAGE — 输出最终假设报告

输出

加载输出模板：hypothesis-report.md

---

关键机制

1. Elo 锦标赛评分

加载详细说明：elo-tournament.md

• 假设两两对决，由 Ranking Agent 判定胜负
• 胜者 Elo +K，败者 Elo -K（K 值随轮次递减）
• Proximity Agent 组织对阵表，确保多样性
• Elo 分数与假设质量正相关（经 GPQA Diamond 验证；细节见 source map）

2. Test-Time Compute Scaling

更多计算 → 更多 generate/debate/evolve 轮次 → 更高质量假设。本 skill 通过 max_iterations 参数控制；具体轮次数和阈值是本地实现选择，不是论文固定参数：

• 快速模式 (1-2 轮): 初步探索，5-10 分钟
• 标准模式 (3-5 轮): 充分锤炼，15-30 分钟 [默认]
• 深度模式 (6-10 轮): 极致打磨，30-60 分钟

3. Scientist-in-the-Loop

每轮迭代后暂停，向用户呈现：

• 当前 Top-5 假设及其 Elo 分数
• 假设进化谱系图
• Meta-Review 的全局洞察
• 请求反馈：确认方向 / 调整目标 / 注入新约束

4. 文献锚定 (Literature Grounding)

• Generation Agent 使用 WebSearch 检索相关文献
• 每个假设必须包含 [C*] 格式的文献引用
• Evolution Agent 在改进假设时补充新文献支撑
• Proximity Agent 检查假设是否仅是文献直接复制

5. 假设谱系追踪

每个假设记录完整进化历史：

• 父代假设 ID
• 产生方式（生成 / 组合 / 变异 / 反馈驱动）
• 各轮 Elo 分数变化
• 关键批判和改进点

---

评估维度

Reflection Agent 和 Ranking Agent 使用以下六个维度评估假设：

维度	权重	说明
新颖性 (Novelty)	20%	超越现有文献的创新程度
正确性 (Correctness)	25%	逻辑自洽、不违反已知事实
可检验性 (Testability)	20%	能否设计实验验证
影响力 (Impact)	15%	若成立，对领域的推动程度
文献支撑 (Grounding)	10%	与已有证据的衔接程度
安全性 (Safety)	10%	伦理和安全考量

---

领域适配

本 skill 通过 domains/ 目录下的 YAML 配置文件实现领域定制，无需 fork 或创建新 skill。

domains/
├── _template.yaml      # 空白模板（新领域从这里开始）
├── biomedical.yaml     # 生物医学（药物发现、靶点、通路）
└── cs-ml.yaml          # 计算机科学/机器学习（消融、scaling）

使用方式：设置 domain 参数为对应的 domain_id，引擎自动加载该配置覆盖默认行为。

定制范围（不需要改引擎代码）：

• 文献源和检索策略
• 评估维度和权重
• 进化策略
• Generation/Reflection 的领域提示
• 输出报告的额外章节
• 领域知识注入（概念、模式、陷阱、方法）

推广给他人：复制 _template.yaml，填入自己领域的信息即可。引擎逻辑（Elo、状态管理、工作流）完全不变。

---

配置参数

research_goal: ""           # 核心研究问题（必填）
seed_ideas: []              # 初始种子想法
domain: "general"           # 领域 ID，对应 domains/ 下的 yaml 文件名
initial_hypotheses: 15      # 初始假设数量
max_iterations: 4           # 最大迭代轮次
top_k_evolve: 5             # 每轮进化的 Top-K 假设数
tournament_rounds: 3        # 每轮锦标赛的对决轮数
elo_k_factor: 32            # 本地实现选择；非论文固定参数
elo_k_decay: 0.8            # 本地实现选择；非论文固定参数
proximity_threshold: 0.85   # 本地实现选择；非论文固定参数
feedback_mode: "interactive" # interactive / batch / autonomous
output_format: "markdown"   # markdown / json / html
language: "zh"              # 输出语言

---

与其他 Skill 的协作

场景	协作 Skill	协作方式
需要系统文献综述作为输入	systematic-literature-review	先执行文献综述，输出作为 seed context
假设需要转化为研究方案	research-proposal-design	将 Top 假设传递给方案设计
需要深度调研某个假设方向	deep-research	对特定假设执行深度研究
假设涉及产品/工程决策	ProEng	将假设转化为产品需求

---

触发条件

当用户提到以下关键词时使用本 skill：

• "锤炼假设"、"假设进化"、"假设锦标赛"、"假设辩论"
• "hypothesis tournament"、"hypothesis evolution"、"hypothesis refinement"
• "Co-Scientist 式"、"多智能体假设"、"generate-debate-evolve"
• "研究假设生成"、"科学假设探索"
• "Elo 排名假设"、"假设竞赛"

---

执行入口

收到触发后，按以下顺序加载参考文件并执行：

1. 加载 agent-roles.md — 理解每个 Agent 的详细行为
2. 加载 workflow.md — 执行完整工作流
3. 加载 elo-tournament.md — 执行锦标赛评分
4. 加载 literature-grounding.md — 文献检索策略
5. 加载 scientist-in-the-loop.md — 人机交互设计
6. 加载 test-time-compute.md — 迭代策略与并行化
7. 需要核对原文细节时加载 paper-source-map.md — 原文机制到本 skill 的证据映射
8. 使用 hypothesis-report.md — 格式化输出
9. 如需持久化，使用 state-schema.md — 保存假设状态

脚本工具

执行过程中使用以下脚本确保状态一致性和流程正确性：

# Phase 0: 初始化会话
python scripts/state_manager.py init --goal "研究目标" --domain biomedical

# Phase 1-2 后: 验证假设质量
python scripts/validate_hypothesis.py --all

# Phase 3: 生成对阵表并执行锦标赛
python scripts/tournament.py generate-matchups
python scripts/tournament.py record-result --match "H001,H003" --winner H001 --reasoning "..."
python scripts/tournament.py summary

# 每轮迭代后: 检查状态一致性
python scripts/state_manager.py validate
python scripts/state_manager.py status

# 检测收益递减
python scripts/state_manager.py diminishing-check

# Phase 9: 生成最终报告
python scripts/generate_report.py --top-n 5 --format markdown
python scripts/generate_report.py --lineage

---

论文验证与基线数据

详见 paper-validations.md — 包含原论文三个实验验证案例（AML、肝纤维化、AMR）、专家评估对比数据、KIRA6 深度案例。仅在用户询问"这个方法有什么验证"或需要参考输出格式时加载。

---

局限性声明

• 假设锦标赛不替代实验验证，只是更系统地生成和组织待验证假设
• Elo 分数反映假设间的相对质量，不是绝对正确性
• 依赖开放获取文献，可能遗漏关键未发表结果
• 多模态推理能力有限（图表、领域特定数据集）
• 需要人类研究者把关研究目标和最终判断
• 计算成本需要透明报告