사용 방법
- 설치 명령을 복사하고 자신의 에이전트 환경에 설치하기 전에 소스 패키지를 확인하세요.
- 필요한 도구, 인증 정보, 지원 환경은 원본 문서에서 확인하세요.
- 입력과 원하는 산출물을 설명하고 출처와 결과를 대조하세요.
npx skills add https://github.com/yogsoth-ai/de-anthropocentric-research-engine --skill design-falsification-test시작 전 확인
- 설치에는 모델 구독, API 한도, 파일 접근 권한이 포함되지 않습니다.
- 별점 수와 설치 수는 활동 지표이며 독립적인 품질·보안 검증이 아닙니다.
원본 Skill 문서
원본 저장소의 제목, 예시, 코드, 표, 링크, 이미지를 유지해 표시합니다.
design-falsification-test
Purpose
Specify a concrete observation, computation, intervention, counterexample, or measurement that could count against a claim.
Input contract
yaml
required: [sharp_claim, scope, candidate_observables]
optional: [cost, available_tools, competing_predictions]
constraints: [test must identify a failure condition and measurement rule]Procedure
- Enumerate claim commitments and possible failure observations.
- Rank tests by information value and cost.
- Specify the cheapest decisive test with pass/fail interpretation.
If the falsification test has an executable intervention and verdict rule, consider execute-probe as the next tactic.
Output contract
yaml
produces: [falsification_test, failure_condition, measurement_plan, priority_rationale]
delta_fields: [findings, evidence_updates, uncertainties, decisions]Quality gates
- Test must be capable of producing evidence against the claim, not only confirming examples.
Failure and counterexamples
Do not design a test whose acceptance criterion is copied from the claim.
Provenance map
- resolved: red-team-truthseeking
