creative-thinking-for-research

此技能为 AI 与计算机科学研究人员提供了一套严谨且具实证基础的方法论，以超越临时性的头脑风暴。通过应用认知科学框架（如 Arthur Koestler 的双关联理论、表征转换与 Dedre Gentner 的结构映射），本工具能协助用户摆脱研究路径上的局部最优解。它专为博士级研究人员、研究科学家与先进 AI 代理设计，旨在揭示不同领域间的结构性联系，而非仅依赖表层隐喻。本技能引导用户进行系统化工作流程，以操纵约束条件、重构问题叙述并有效地连接跨领域知识。

• 运用组合式创意（双关联）将生物演化与算法优化、博弈理论与网络设计、或语言学与类型理论等领域的概念进行映射。

• 通过转换目标、形式与粒度来促进问题重构，将棘手问题转化为可行的研究课题。

• 运用类比推理在领域间转移结构性机制见解，确保研究贡献具备可测试性与科学严谨度。

• 提供强大且具原创性的替代方案，专门针对非渐进式的创新见解。

• 与更广泛的研究工作流程整合，作为产生假设的认知引擎，为后续的技术性技能评估提供基础。

• 输入：核心研究问题、特定子领域约束或桥接两个不同领域的意图。

• 输出：源自认知启发法的一系列具原创性、可测试的研究假设或重新定义的问题陈述。

• 约束：不适用于文献综述或结构化项目管理（应使用对应的 literature-review 或 brainstorming-research-ideas 技能）。

• 用途：适合研究研讨会、构思会议，或在研究面临瓶颈且缺乏明确创新路径时使用。

• 关键词：创意思考、研究构思、认知科学、类比推理、组合式创意、结构映射、问题重构、研究策略、假设生成、原创研究、AI 研究设计。