Scientific Problem Selection — Bio-Research Plugin
所属插件：Bio-Research · 来源：Anthropic knowledge-work-plugins · 兼容：Cowork + Claude Code
概述
Scientific Problem Selection 是 Bio-Research 插件中最具通用价值的技能。它不是一个实验操作指南，而是一个科学研究问题选择框架——基于 Fischbach & Walsh 在 Cell 期刊发表的方法论（"Problem choice and decision trees in science and engineering", 2024），帮助科学家系统性地评估研究想法、诊断卡住的项目、做出战略决策。
与传统的"头脑风暴"或"PI 一对一讨论"不同，这个技能提供了一个结构化的决策树框架，覆盖从想法提案到风险评估再到战略规划的完整链路。
基本信息
| 属性 | 值 |
|---|---|
| 技能名称 | scientific-problem-selection |
| 插件 | Bio-Research |
| 触发方式 | 对话引导（上下文触发） |
| 用户可调用 | 是 |
| 官方源码 | GitHub |
触发短语
- "我有一个新的研究想法"
- "我的研究卡住了，帮我看看"
- "帮我评估这个项目方向"
架构设计
┌─────────────────────────────────────────────────────────────────┐
│ SCIENTIFIC PROBLEM SELECTION │
├─────────────────────────────────────────────────────────────────┤
│ 三个入口点 │
│ ✓ 入口 1：提案新想法 — 从 1-2 句描述开始，逐步深化 │
│ ✓ 入口 2：诊断卡住的项目 — 定位瓶颈，生成突破方向 │
│ ✓ 入口 3：战略问题 — 决策树导航 │
├─────────────────────────────────────────────────────────────────┤
│ 评估维度 │
│ ✓ 科学价值（重要性、创新性、影响力） │
│ ✓ 可行性（技术难度、时间线、资源需求） │
│ ✓ 风险（技术风险、竞争风险、执行风险） │
│ ✓ 战略匹配（实验室/机构方向、长期价值） │
├─────────────────────────────────────────────────────────────────┤
│ 输出 │
│ ✓ 问题陈述 + 决策树 + 风险评估矩阵 + 行动计划 │
└─────────────────────────────────────────────────────────────────┘核心能力
1. 三个入口点
| 入口 | 适用场景 | 初始问题 |
|---|---|---|
| 提案新想法 | 有一个初步的研究想法 | "用 1-2 句话描述你的想法" |
| 诊断卡住的项目 | 项目进展受阻 | "描述你卡在哪里，尝试过什么" |
| 战略问题 | 需要方向性建议 | "你的战略问题是什么？" |
2. 评估框架
| 维度 | 关键问题 |
|---|---|
| 科学价值 | 如果成功了，为什么是大事？填补了什么空白？ |
| 可行性 | 技术路线是否清晰？需要什么资源？时间线多长？ |
| 风险 | 最大的技术风险是什么？有没有人在做类似的事？ |
| 战略匹配 | 这个方向和你实验室的核心优势是否匹配？ |
3. 决策树导航
技能引导用户通过一系列结构化问题，逐步收敛到可执行的行动计划。每个决策节点提供多个分支，用户的选择决定下一步的问题。
输出格式
markdown
## 研究问题评估
### 问题陈述
[1-2 句清晰的问题定义]
### 科学价值评估
- **重要性**: [评估]
- **创新性**: [评估]
- **潜在影响**: [评估]
### 可行性分析
| 维度 | 评估 | 关注点 |
|---|---|---|
| 技术难度 | [高/中/低] | [关键路径] |
| 时间线 | [估计] | [里程碑] |
| 资源需求 | [描述] | [缺口] |
### 风险评估
| 风险类型 | 概率 | 影响 | 缓解策略 |
|---|---|---|---|
| [风险] | [高/中/低] | [高/中/低] | [策略] |
### 建议行动
1. [具体行动项]
2. [具体行动项]使用场景与案例
场景 1：新想法评估
输入：
我有一个想法，用单细胞测序研究某种罕见病的细胞类型特异性反应。输出：AI 引导用户逐步深化想法，最终输出结构化的项目评估报告，包含科学价值、可行性、风险和行动计划。
关键价值：在投入大量资源之前，系统性地评估一个研究想法的各个维度，避免在不可行的方向上浪费时间和经费。
场景 2：卡住项目诊断
输入：
我的 CRISPR 筛选实验卡了三个月，阳性对照不工作。输出：AI 通过结构化提问诊断问题根源，提供排查路径和替代方案。
关键价值：从"卡住"到"下一步做什么"，30 分钟对话替代数周的盲目尝试。
与其他工具对比
| 维度 | Problem Selection（本技能） | PI 一对一讨论 | 文献调研 | 同行评审 |
|---|---|---|---|---|
| 可用性 | 随时可用 | 需预约 | 随时 | 需投稿 |
| 结构化程度 | 决策树框架 | 取决于导师 | 无 | 固定格式 |
| 覆盖面 | 价值/可行性/风险/战略 | 经验驱动 | 仅文献 | 仅结果 |
| 迭代速度 | 分钟级 | 周级 | 天级 | 月级 |
| 偏见 | 无 | 有 | 无 | 有 |
连接工具后的增强能力
| 连接的 MCP | 分类 | 增强效果 |
|---|---|---|
| PubMed/bioRxiv | 文献搜索 | 自动检索相关文献支持评估 |
| Open Targets | 药物靶点 | 查询靶点验证数据 |
| ClinicalTrials.gov | 临床试验 | 检查临床转化路径 |
连接方式：在 Bio-Research 插件的 .mcp.json 中配置对应的 MCP 服务器。
最佳实践
- 从简洁开始 — 1-2 句话描述想法即可，AI 会引导你逐步深化
- 诚实面对风险 — 早期识别风险比晚期发现好，不要回避困难问题
- 迭代使用 — 随着项目推进，多次使用这个框架重新评估方向和策略
- 结合文献 — 连接 PubMed MCP 后，AI 可以自动检索相关文献来支撑评估