前言¶
在技術分析、方案評審或故障歸因裏，模型很容易給出「因爲 A 所以 B」的順滑敘述，卻缺少可檢驗的假設、量化的置信度，以及對混雜因素和量綱錯誤的檢查。人工逐條追問成本高，而泛泛要求「嚴謹一點」又往往落不到具體步驟。
下面介紹 SkillHub 社區 Skill「邏輯鍊金術 · 科學推理與因果驗證」（座標 @user_faa89036/bionic-reasoning，版本 1.0.0）。它把科學方法論與物理式約束檢查寫成 Agent 可遵循的推理流程，並在包內提供可調用的 Python 推理引擎，用於因果判斷、數值預測和假設驗證類任務。
這是什麼¶
一句話定位：仿生推理 Skill——整合科學方法論（假設、貝葉斯更新、可證僞性、偏誤防禦）與物理推理（第一性原理、守恆約束、量綱分析），在相關場景下引導 Agent 做結構化驗證。
來源與維護：SkillHub 分類爲 ai-agent，來源標記爲 community，發佈者爲 user_faa89036；SkillHub 頁面標註作者爲郝多魚。標籤 requires_api_key=false，安裝後無需額外 API Key。
解決的問題：把「因果鏈是否成立」「結論能否被反例推翻」「估算是否違背守恆或量綱」從口頭要求變成可複用的檢查清單與（可選）腳本輸出，降低多步推理中的邏輯漏洞。
核心功能¶
依據官方 SKILL.md 與包內實現，已覈實的能力如下。
兩層推理架構¶
- L1 科學方法論：按 H0～H3 構建假設層級；用貝葉斯公式更新置信度；區分可證僞與模糊表述；對確認偏誤、相關≠因果、倖存者偏誤等做檢查表式防禦。
- L2 物理推理：從約束出發挑戰「類比式」方案；檢查複雜度/信息等守恆直覺；對含單位的表達式做量綱一致性分析。
Agent 側自動觸發規則¶
Skill 文檔約定在下列情況應激活本 Skill（由 Agent 讀取 SKILL.md 後執行，而非單獨守護進程）：
| 場景 | 行爲 |
|---|---|
| 因果表述（「因爲 A 所以 B」） | 檢驗因果鏈 |
| 數值預測或估算 | 執行貝葉斯更新流程 |
| 用戶強調「絕對」「肯定」 | 可證僞性檢驗 |
| 推理步驟超過 3 步 | 同行評審模擬 |
| 引用案例或數據 | 倖存者偏誤檢查 |
包內 Python 推理引擎¶
Skill 附帶 scripts/ 下的模塊（如 scientific_method.py、physics_reasoning.py、reasoning_engine.py），測試用例展示了對外接口：
get_reasoning_engine().reason(observation, analogy_solutions=None)：跑通假設構建、偏誤檢查、第一性原理與守恆/量綱等，返回ReasoningReport。get_reasoning_engine().update_with_evidence(hypothesis_id, evidence, likelihood)：對指定假設做貝葉斯更新。
科學方法模塊會將假設日誌等寫入 ~/.workbuddy/dreams/bionic-reasoning/（hypothesis-log.json 等），適用於 Workbuddy 類環境；其他 Agent 仍以讀取 SKILL.md 爲主。
與其他 Bionic 系列 Skill 的關係¶
文檔說明可與 bionic-cognition、bionic-guard、swarm-intelligence、dream-memory 等聯動（例如推理漏洞觸發風險檢查、多假設並行）。這些均爲獨立 Skill，需另行安裝，本文不展開其行爲。
安裝與啓用¶
安裝前確認本機已有 SkillHub CLI（參見 SkillHub 安裝說明）：
command -v skillhub && skillhub --version
未安裝時可執行官方推薦的一鍵安裝（完整包含 CLI 與默認 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
重要：skillhub install 必須用 --dir 指向當前 Agent 的 skills 目錄，否則默認落在 ./skills/，Agent 可能無法加載。
安裝本 Skill（座標與 SkillHub 頁面一致）：
skillhub install @user_faa89036/bionic-reasoning --dir <你的 Agent skills 目錄>
常見路徑（來自官方安裝文檔）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或項目下的.agents/skills/
也可將安裝說明直接發給 Agent：「請根據 https://skillhub.cn/install/skillhub.md，安裝 @user_faa89036/bionic-reasoning。」
安裝完成後重啓或刷新 Agent，使 skills 目錄生效。Codex CLI、Claude Code 與 Cursor 的差異僅在於 --dir 目標路徑，安裝命令本身相同。
典型用法¶
1. 對話中依賴 Skill 規則（主路徑）¶
在 Cursor 等環境中啓用該 Skill 後，用自然語言提出需要因果或驗證的問題即可。例如：
- 「上線後接口延遲升高，請列出可檢驗假設並檢查因果鏈，不要只給單一歸因。」
- 「這個『緩存能降 50% 延遲』的結論可證僞嗎？請做偏誤與量綱檢查。」
Agent 應按 SKILL.md 中的 L1/L2 步驟組織回答，而不是隻複述結論。
2. 本地調用推理引擎（可復現）¶
在已安裝 Skill 的目錄中，可參考包內測試的方式調用（需將 scripts 加入 PYTHONPATH 或在 Skill 根目錄下運行）：
cd <skills 目錄>/@user_faa89036/bionic-reasoning
python -m unittest tests/test_reasoning.py -v
在 Python 中執行完整推理的示例（與 tests/test_reasoning.py 一致）：
import sys
from pathlib import Path
sys.path.insert(0, str(Path(__file__).resolve().parent / "scripts"))
from reasoning_engine import get_reasoning_engine
engine = get_reasoning_engine()
report = engine.reason(
"系統響應時間增加",
["增加服務器", "優化代碼", "使用 CDN"],
)
print(report.best_hypothesis, report.confidence)
收到新證據時，可對某一假設 ID 調用 update_with_evidence 查看後驗概率變化是否超過文檔中的顯著閾值（實現中爲變化絕對值大於 0.1）。
適用場景與注意¶
適合誰
- 需要做故障歸因、方案評審、實驗設計說明的開發者或技術寫作者，希望 Agent 輸出帶假設層級與反證路徑。
- 已在用 SkillHub 管理 Agent Skill，希望統一安裝社區
ai-agent類能力包的團隊。
限制與注意
- 自動觸發依賴 Agent 是否正確加載並遵守
SKILL.md；未啓用 Skill 時不會憑空生效。 - 貝葉斯更新、偏誤檢測等由包內啓發式實現完成，適用於輔助思考，不能替代真實實驗或生產監控數據。
SKILL.md中提到的 Workbuddy 數據目錄與其他 Bionic Skill 聯動，在未安裝對應環境時可能只有文檔意義；腳本日誌路徑以scientific_method.py實際寫入爲準。- SkillHub 統計（截至資料抓取）：評分 100000，下載 816 次，安裝 18 次；以 SkillHub 技能頁 爲準。
結尾¶
「邏輯鍊金術 · 科學推理與因果驗證」把科學方法論和物理約束檢查固化成 Agent Skill 與可選 Python 引擎，適合在因果判斷、數值預測和假設驗證場景下約束多步推理。安裝與座標以 SkillHub 爲準：
- 技能頁：https://www.skillhub.cn/skills/user_faa89036/bionic-reasoning
- API 元數據：https://api.skillhub.cn/user_faa89036/bionic-reasoning
