theory-mechanism-extraction

$npx mdskill add yogsoth-ai/de-anthropocentric-research-engine/theory-mechanism-extraction

从理论中提取机制、变量与关系以生成假设候选

  • 解决从理论到假设的结构化演绎路径问题
  • 依赖子代理生成和理论识别等技能
  • 通过逐层拆解理论生成机制和变量关系
  • 输出结构化假设候选供进一步验证
SKILL.md
.github/skills/theory-mechanism-extractionView on GitHub ↗
---
name: theory-mechanism-extraction
description: "Tactic: 演绎路径核心——从理论出发提取机制、变量与关系,生成假设候选"
version: 1.0.0
category: hypothesis-formation
type: tactic
campaign: hypothesis-formulation
sops:
  - theory-identification
  - mechanism-extraction
  - variable-identification
  - relationship-specification
dependencies:
  skills:
    - subagent-spawning
---

# Theory Mechanism Extraction

演绎路径核心——从已有理论出发,系统提取机制、识别变量、规范关系,为演绎假设生成提供结构化基础。

## 编排意图

演绎推理的起点是理论,而非数据。本 tactic 强制 CC 先识别领域内相关理论,再逐层拆解:理论 → 机制 → 变量 → 变量间关系。每一层都是下一层的前提,不允许跳步。

最终产出不是假设本身,而是假设的"原材料"——每个机制至少对应一个假设候选(含变量和方向),供上游 strategy 进一步 formalize。

## 可用 SOPs

| SOP | 职责 | 何时调用 |
|-----|------|---------|
| theory-identification | 识别与 gap/insight 相关的已有理论(含理论名称、核心主张、适用范围) | 所有模式必选,首先执行 |
| mechanism-extraction | 从每个理论中提取可操作的因果机制(mechanism = 连接原因与结果的过程) | 所有模式必选,在 theory-identification 之后 |
| variable-identification | 从每个机制中识别自变量、因变量、调节变量、控制变量 | 所有模式必选,在 mechanism-extraction 之后 |
| relationship-specification | 规范变量间的方向性关系(正/负/非线性/调节/中介),生成假设候选 | 所有模式必选,最后执行 |

## 编排模式

**Simplified(S tier,1 个理论)**
- 顺序执行:theory-identification → mechanism-extraction → variable-identification → relationship-specification
- 覆盖:1 个理论,≥1 个机制,≥1 个假设候选
- 适用:gap 背景清晰,理论支撑单一

**Standard(M tier,2-3 个理论)**
- 顺序执行全部 4 个 SOP,对每个识别出的理论重复 mechanism-extraction + variable-identification + relationship-specification
- 覆盖:≥2 个理论,≥3 个机制,每个机制 ≥1 个假设候选
- 适用:gap 跨越多个理论框架,需要比较演绎路径

**Deep(L tier,≥3 个理论)**
- 执行全部 4 个 SOP;mechanism-extraction 对每个理论独立执行;relationship-specification 额外输出跨理论的变量重叠分析
- 覆盖:≥3 个理论,≥5 个机制,跨理论变量映射,≥5 个假设候选
- 适用:领域理论丰富,需要系统性演绎覆盖

## Minimum Yield

- ≥2 个理论已被识别并描述(含核心主张和适用范围)
- ≥3 个机制已从理论中提取(每个机制含因果链描述)
- 每个机制至少对应 1 个假设候选,含:
  - 自变量和因变量(已命名)
  - 关系方向(正/负/非线性)
  - 来源机制(可追溯到哪个理论的哪个机制)

## Yield Report

执行结束后向调用方 strategy 报告:
- 识别理论数 / 提取机制数 / 生成假设候选数
- 理论覆盖范围(哪些理论被纳入,哪些被排除及原因)
- 变量重叠情况(多个机制共享的变量,可能是关键调节变量)
- 假设候选质量评估:哪些候选变量可操作性强,哪些需要进一步 operationalization
More from yogsoth-ai/de-anthropocentric-research-engine