专题研究实验室：假设图、证据矩阵与研究型多 Agent

参考：来源 F · 第 21 章进阶

学完你能做到

把开放问题变成可检验假设
建立证据矩阵和冲突处理
设计研究型多 Agent 与停止规则

专题研究最容易制造“看起来很努力”的假象：开很多搜索、堆很多链接、写很长总结。真正的研究过程必须让每次检索服务于一个问题：它支持、反驳还是区分哪个假设？

假设图：不要只寻找支持主假设的材料，必须主动保留竞争解释和能够区分它们的关键测试。

证据项	支持 H1	支持 H2	支持 H3	可靠性
能看懂文本但无字幕听不出	强	弱	弱	直接对照
逐句能答对，整段答错	弱	中	强	需要控制题目难度
把 if 漏听成确定事实	中	强	弱	需查看原音频位置
只在原题复听后做对	未知	未知	未知	不能证明迁移

矩阵的价值是暴露“证据不足”和“一个证据支持多个解释”，避免过早下结论。

研究型多 Agent 不是按角色过家家

研究团队围绕共享证据板协作。监督者管理问题和预算，验证者有权否决没有原文支持的结论。

研究停止函数

stop = (required_dimensions_covered
        and decisive_uncertainties_below_threshold
        and no_unresolved_high_impact_conflict)
       or marginal_information_gain < minimum
       or budget.exhausted()

return {supported_findings, competing_explanations, unknowns, next_tests}

完成一张研究工作纸

30 分钟

选择一个学习问题，写三个竞争假设。
建立至少五行证据矩阵，并标出可靠性和冲突。
分配检索、验证、综合角色，定义共享证据对象与停止条件。

综合演算：用证据矩阵完成一次可审计专题研究

任务是判断“学校是否应全面禁止学生使用生成式 AI”。政策、学习效果、作弊、可及性和隐私证据相互冲突，简单列正反观点无法支持决策。

本节追问：怎样把价值冲突、事实证据与政策选项分开？ 先不要急着看结论。沿着下面四步，逐项区分输入、决策、证据和失败信号。

四步案例推演。手机上可左右滑动查看；每个箭头都代表一次需要证据支撑的状态转换。

阶段	本步要做的决定	什么算证据	最常见的失败
拆决策	列目标、利益相关者、可选政策和评价指标	事实问题与价值取舍分别记录	把个人立场写成事实结论
建证据矩阵	每项主张记录来源、方法、适用范围与反证	空白和冲突一眼可见	只保存链接和一句摘要
并行研究	子 Agent 按独立证据主题工作并共享术语标准	交付结构一致且来源可核验	按赞成/反对分工造成确认偏差
综合选项	说明不同条件下各政策的收益、风险与未知	建议与证据强度匹配	强行输出唯一确定答案

阅读方式：先遮住后两列自己回答，再用“证据”和“失败”两列检查理解。

常见误解

让一个“赞成 Agent”和一个“反对 Agent”辩论

实际上

可观察症状：角色立场鼓励挑证据，未必覆盖真实决策维度。

更可靠的修复：按证据领域与方法分工，再由独立综合器检查覆盖和冲突。

案例工作坊 · 建议真正动手完成

25 分钟

建立至少八行的政策证据矩阵。
标出三个事实未知和两个价值取舍。
写出带适用条件的三档政策建议。

查看参考答案

复杂专题研究应把问题结构、证据质量、适用范围和价值权衡分开。多 Agent 按证据域并行比按立场对抗更不易放大确认偏差。

迁移检查：换一个场景还会不会

政策证据矩阵中最不应缺少的是？