PSkinnerTech/both-sides-research

# 双向研究  一种不绑定特定 AI 的研究工作流，旨在强化对立观点（_steelman_）、审计信息源、对论点进行红队测试（_red-team_），并在避免虚假平衡的前提下得出基于证据的结论。 本仓库包含一个可移植的 agent 技能（skill），可与任何 AI 助手或研究工作流配合使用。它专为那些仅仅“给我双方观点”远远不够的问题而设计：你需要的是强有力的论据、信息源质量检查、反驳意见、局限性分析，以及关于证据最终导向的清晰陈述。 ## 它的功能 双向研究（Both-Sides Research）可以帮助助手或人类研究者： - 用中立且可验证的语言重新表述问题。 - 跨竞争立场构建信息源基础。 - 为每一方强化（_steelman_）最可靠、最强有力的论点。 - 审计信息源质量，包括权威性、时效性、支持度、资金来源以及是一手还是二手信息源。 - 搜索反驳意见、失败的重复实验、局限性以及替代解释。 - 审查推理过程，检查是否存在挑选数据（_cherry-picking_）、范围蔓延、因果倒置错误以及证据与论据比薄弱的问题。 - 生成简明的正反面回答、完整的研究备忘录或 Brainlift 风格的输出。 该工作流特意不绑定任何特定的 AI 模型、应用程序或供应商。你可以将其与 ChatGPT、Claude、Gemini、Perplexity、Manus、Codex、本地模型、基于浏览器的研究、笔记系统或纯人工研究配合使用。 ## 为何创建它 许多“平衡”的研究输出在以下两种情况之一中存在缺陷： - 它们通过赋予不对等的证据同等权重，来制造虚假的中立。 - 它们充分论证了一方，却将另一方视为事后才想起来的补充。 该技能旨在追求更好的折中方案：真正理解每一方，测试证据的质量，找出真正的症结所在，并在一方得到更好支持时直言不讳。 ## 仓库内容 ``` . |-- SKILL.md |-- README.md |-- assets/ | `-- both-sides-research-banner.png |-- agents/ | `-- openai.yaml `-- references/ `-- source-workflow.md ``` - `SKILL.md` 是核心的可移植技能。 - `agents/openai.yaml` 是 OpenAI/Codex 风格技能界面的可选 UI 元数据。 - `references/source-workflow.md` 保留了启发该技能的原始 5 阶段 Brainlift 研究工作流。 ## 快速开始 要使用该技能，请将 `SKILL.md` 的内容提供给助手，然后要求其研究某个问题。 示例： ``` Use the Both-Sides Research workflow to evaluate whether AI tutoring systems should replace some classroom instruction time in K-12 schools. Give me the strongest case for, strongest case against, key cruxes, and what evidence would change the conclusion. ``` 对于支持技能文件夹的工具，请安装或将此文件夹复制到该工具的技能目录中，然后调用： ``` Use $both-sides-research to investigate this question with balanced evidence, steelmanned opposing views, and source-quality checks. ``` ## 推荐输出 快速回答： ``` Bottom line: Strongest case for: Strongest case against: Key cruxes: What would change the conclusion: Confidence: Sources: ``` 深入研究： ``` # 问题 # 范围 # 简答 # 证据图谱 # 最强支持论点 # 最强反对论点 # 反论与局限性 # 逻辑与来源质量审查 # 关键症结与不确定性 # 结论 # 来源 ``` ## 核心原则 - 在做出判断前先强化对立观点（_steelman_）。 - 尽可能优先使用一手信息源（_primary sources_）。 - 将信息源质量视为答案的一部分，而不是辅助工作。 - 有意识地寻找反驳意见。 - 当证据明显偏向一方时，避免虚假平衡。 - 区分证据、假设、机制、价值观和结论。 - 陈述不确定性，并指出什么情况会改变结论。 ## Brainlift 支持 该工作流包含可选的 Brainlift 适配： - DOK 1：验证过的事实和定义。 - DOK 2：有信息源支持的知识树。 - DOK 3：综合洞察和规律。 - DOK 4：经过反驳意见检验、站得住脚的 SPOVs。 有关 Brainlift 特定的术语和原始的 5 阶段流程，请参见 `references/source-workflow.md`。 ## GitHub Topics 为本仓库推荐的 topics： `ai`, `ai-agents`, `research`, `evidence-based`, `critical-thinking`, `source-evaluation`, `argument-mapping`, `steelman`, `counterarguments`, `red-team`, `bias-audit`, `prompt-engineering`, `knowledge-management`, `brainlift` ## 许可证 尚未选择许可证。在鼓励广泛的下游重用或重新分发之前，请添加许可证。

标签：人工智能, 信息审计, 学术研究, 提示词工程, 智能体工作流, 用户模式Hook绕过, 策略决策点, 防御加固