小红书请推给所有需要的科研人！ Rimagination/good-question 是一个帮助研究者打磨科研问题的 agent skill。 它适合这样的时刻：你有一个方向、一个文献 gap、一个 proposal 摘要，或者一堆看起来都能做的想法，但还不确定哪个问题真正值得投入。它不会只给你一串灵感，而是逼近一个更好的研究问题：为什么重要，怎么被证据触及，哪些解释在竞争，什么结果会推翻它，下一步该做什么。 它如何工作？ good-question 的流程很简单，但会比较严格： 先判断你现在处在什么状态：模糊兴趣、文献 gap、已有想法、proposal，还是卡住的项目。 根据语境切换导师、评审、合作者或基金模式。 如果需要领域定制，就先做 compact domain brief，区分来源证据、推断和未知。 对生态、遥感、AI4Science、社会科学、生物医学等场景，按需加载轻量领域适配器。 用结构化 lenses 生成候选问题，但不把候选问题当成答案。 用重要性、可行性、可证伪性、证据杠杆和负结果价值来收敛。 把 topic、method、gap 这类弱形式改写成真正的问题。 用 editor-desk reject gate 做最后压力测试：如果评审会拒，先修到能站住。 什么是好问题？ 在这个项目里，一个 good question 至少要通过七个检查： It matters. 回答它会改变理论、方法、实践、政策或下一步研究。 It is specific. 它不是一个宽泛主题，而是一个可被证据触及的问题。 It has rivals. 至少存在两个或三个可能解释，而不是只有一个偏爱的假设。 It can fail. 有结果会削弱、修正或杀死它。 It is feasible enough. 研究者能在现实约束下启动一个可信 pilot。 It teaches even when negative. 即使主要假设不成立，也能产生有价值的边界、机制或方法信息。 It is grounded when context matters. 如果问题依赖当前领域状态，它必须能追溯到公开来源，或明确标注为推断。 #skill #人类高质量科研工具 #有趣的学习