creative-thinking-for-research

此技能作为研究人员与 AI 代理人的认知引擎，旨在协助突破增量式研究（incrementalism）与局部最优（local optima）的局限。通过应用认知科学中具实证基础的框架（如 Koestler 的双重联想理论、结构映射与表征变更），它能系统化地生成原创研究假设。此工具专为博士级研究人员、研究代理人及实验室设计，协助其超越随机的头脑风暴，转而运用严谨的创造力启发法。它提供了结构化的方法来连接不同领域、操弄限制条件并反转问题陈述，确保所生成的洞见具备结构性与机制上的深度，而非仅止于表面比喻。

• 运用双重联想（bisociation）系统性地在博弈理论、生物学与统计物理等领域间建立跨学科的研究假设。

• 实施问题重构协议，协助将焦点从常规解题转向探索形式体系或抽象层次的根本性转变。

• 采用结构映射（structure-mapping）技术进行类比推理，将现有领域的机制洞见转移至开放性的计算机科学挑战中。

• 通过基于启发法的限制操弄与边界探索，挑战模型架构与训练范式中的隐含假设。

• 提供将原始创意洞见与结构化头脑风暴及项目管理工具整合的流程指引。

• 当您需要生成真正具备原创性的研究方向或陷入研究停滞期时，请使用此技能。

• 应将此技能与作业型头脑风暴流程搭配使用，将原始的认知飞跃转化为可验证的研究问题。

• 请勿将此技能用于结构化的项目层级规划或文献综述，这些任务应使用专门的领域技能。

• 输入通常涉及感兴趣的领域或停滞的研究问题；输出则包含经过合成、具备可测试性的研究假设或转换视角后的观点。

• 本框架强调机制的可迁移性与结构深度，要求使用者在发想过程中保持极高的科学严谨度。