creative-thinking-for-research

此技能作為研究人員與 AI 代理人的認知引擎，旨在協助突破增量式研究（incrementalism）與局部最佳化（local optima）的侷限。透過應用認知科學中具實證基礎的框架（如 Koestler 的雙重聯想理論、結構映射與表徵變更），它能系統化地生成原創研究假設。此工具專為博士級研究人員、研究代理人及實驗室設計，協助其超越隨機的腦力激盪，轉而運用嚴謹的創造力啟發法。它提供了結構化的方法來連結不同領域、操弄限制條件並反轉問題陳述，確保所生成的洞見具備結構性與機制上的深度，而非僅止於表面比喻。

• 運用雙重聯想（bisociation）系統性地在賽局理論、生物學與統計物理等領域間建立跨學科的研究假設。

• 實施問題重構協議，協助將焦點從常規解題轉向探索形式體系或抽象層次的根本性轉變。

• 採用結構映射（structure-mapping）技術進行類比推理，將現有領域的機制洞見轉移至開放性的計算機科學挑戰中。

• 透過基於啟發法的限制操弄與邊界探索，挑戰模型架構與訓練典範中的隱含假設。

• 提供將原始創意洞見與結構化腦力激盪及專案管理工具整合的流程指引。

• 當您需要生成真正具備原創性的研究方向或陷入研究停滯期時，請使用此技能。

• 應將此技能與作業型腦力激盪流程搭配使用，將原始的認知飛躍轉化為可驗證的研究問題。

• 請勿將此技能用於結構化的專案層級規劃或文獻綜述，這些任務應使用專門的領域技能。

• 輸入通常涉及感興趣的領域或停滯的研究問題；輸出則包含經過合成、具備可測試性的研究假設或轉換視角後的觀點。

• 本框架強調機制的可遷移性與結構深度，要求使用者在發想過程中保持極高的科學嚴謹度。