KyleAMathews/field-lab

解决的问题

Field Lab 旨在超越 LLM 标准的“提示与回答”互动模式。它通过提供一套“仪器”来解决过度简化的问题，让用户能够审视问题或争议背后的细微差别、假设和证据，而不仅仅是接收直接答案。

运作方式

Field Lab 扮演“场地球童”的角色，根据用户的查询建议特定的分析仪器。它不会直接跳到结论，而是引导用户经历观察与分离的过程。

关键机制包括：

• 仪器：用于不同类型分析的专用工具，例如词汇扫描（区分词语含义）、基底地图（重建事件）和探索性 2x2（聚类示例）。
• 场域日志：用于记录观察结果、来源和上下文的系统，供日后重新审视，并可分组为“探险”。
• 工作流程：用于复杂查询的结构化路线，例如电子僧侣辩证法，其中孤立的代理会为对立的信念辩护，以揭示隐藏的矛盾或新链接。
• 文章工作流程：通过大纲和起草，将完成的场域日志转化为完整文章的过程。

适用对象

适用于处理顽固争论、复杂决策，或需要比标准聊天界面提供更深入、更结构化调查的写作内容的人。

亮点

• 电子僧侣：一种人工信念系统，使用独立的代理为对立观点建立最强有力的论述。
• 多样化的分析工具包：包含禁忌视差（比较在不同情境下说出什么代价高昂）和敌意审计员（测试论点在哪里崩溃）等工具。
• 结构化记忆：使用场域日志和探险索引来保存证据，而不会将其混淆。
• 代理兼容：可通过 skills CLI 安装，并与 Claude Code、Codex 和其他代理兼容。