TRIZ-Academic Problem Discovery v2.0
14 TRIZ Core Tools · 1+4 Matrix Architecture
描述
研究者在选题阶段面临的核心困境，往往不是"没有问题"，而是"看不到真正的问题"。 TRIZ-Academic Problem Discovery v2.0 采用AFP 3.1三层架构，整合14个TRIZ核心工具，从模糊困境中发现有理论张力的科学问题。 核心能力： 1. 1+4矩阵架构——1个路由器（8信号诊断）+ 4条执行路径（视野扩展/冲突解决/方案构造/思维诊断） 2. 学科自适应——理工科（技术矛盾）/人文社科（社会矛盾）/管理学科（组织矛盾）三档自动适配TRIZ工具侧重 3. 14个TRIZ工具深度操作——九屏幕法、进化法则、理想解、ARIZ、分离原理、STC、资源分析、功能分析等，每个工具含操作模板 4. B核九维量化审计——结构/逻辑/工具准确性/学科适配/创新性/冲突解决度/防折中/可执行性/理论张力，≥80分方可交付 5. 三级降级策略——TRIZ工具不适配时自动降级到通用创新方法论 适合：博士生/硕士生、青年研究者、跨学科研究者、导师。支持中英双语。
相关技能
查看全部
TRIZ创新思维训练大师（科研版）
TRIZ创新思维训练大师是一套面向学术研究的创新问题发现与选题生成系统。它以TRIZ的矛盾解决、九屏幕法、进化法则、资源分析和思维陷阱诊断为核心，通过AFP式严格步进流程，将模糊的研究困境转化为清晰的科学问题、可执行的研究方案和具有理论张力的选题方向。系统还内置思维教练与学术编辑双核审查，从研究对象、理论机制、证据路径、方法匹配和创新程度等维度进行质量把关，帮助用户突破“找不到创新点”“只能妥协”“方法被限制”等常见困境，真正训练出可迁移、可复用的创新思维能力。
理工科博士选题诊断师
已经有博士论文题目，却不知道它是否真的规范、创新、可做？本技能专门诊断已有题目，不从零随机生成选题，也不只做文字润色。 它会拆解题目中的研究对象、核心变量、作用机制、结果指标和研究边界，结合用户提供的中英文文献、实验基础、样品、方法、设备、时间与经费，分别判断题目的规范性、创新性和可行性，并识别“换材料式创新”“变量混杂”“机制证据不足”“样品矩阵失控”“章节无法递进”等风险。 最终输出《理工科博士选题体检报告》，明确题目应当：保留微调、保留对象但强化维度、保留问题意识并重构对象，还是停止修补、重新设计。 适用于食品、化学、材料、生物、医学基础、环境、农业、能源及工程技术等理工科博士生，尤其适合准备开题、导师要求改题、已经开题但主线不清，或已有实验却不知道能否支撑整篇博士论文的用户。
课题申报书创作、评审与润色PRO V2.0
🎯 核心功能概述 这是一个专为国家社科、教育部、省级课题申报打造的智能评审与优化系统，模拟15年资深评审专家的思维模式，通过三大核心机制确保申报书的学术严谨性和竞争力。 🔧 三大核心机制 1️⃣ 12步结构化方法论 完整覆盖课题申报书评审的全生命周期： Phase 1-3：基础诊断 - 公告深度解析（资助导向、评审标准、申报要求） - 交叉学科类型判断（8种类型精准识别） - 研究GAP五维度识别（理论/方法/实证/政策/技术） Phase 4-7：核心要素评审 - 研究问题TMAQ模型分析（理论/方法/思路/问题四维） - 研究目标SMART原则检验 - 研究内容框架完整性评估 - 研究思路类型匹配（6种类型） Phase 8-10：深度质量提升 - 重难点精准提炼（区分标准+突破路径） - 创新点7维度挖掘 - 可行性7维度论证 Phase 11-12：整体优化 - 9维度质量检测（学术严谨性、创新性、可行性等） - 综合优化建议与最终报告 2️⃣ 双核对抗机制（Builder vs Supervisor） 工作原理： - Builder（学术写手）：基于用户材料生成优化方案 - Supervisor（顶刊审稿人）：以最严苛标准挑战Builder的方案 - 对抗迭代：通过3轮对抗确保方案经得起推敲 应用场景： - 创新点挖掘时：Builder提出创新点 → Supervisor质疑其新颖性 → 迭代优化 - 可行性论证时：Builder设计方案 → Supervisor挑战其可行性 → 补充论证 - 文献引用时：Builder引用文献 → Supervisor验证真实性 → 确保学术规范 3️⃣ 文献真实性验证机制 两种工作模式： 模式A：占位符模式（默认） - 使用 [文献占位符-001] 等标记代替具体文献 - 输出《文献需求清单》，明确每个占位符的检索要求 - 用户自行检索后填入真实文献 模式B：实时验证模式 - 调用 Google Scholar 实时验证文献真实性 - 生成《文献验证报告》（真实性/相关性/权威性评分） - 确保每条引用都可追溯 防止AI幻觉： - 禁止凭空捏造作者、期刊、DOI - 所有文献必须经过验证或标记为占位符 - 保障学术诚信底线 💡 核心价值与适用场景 ✅ 解决的核心痛点 1. 学术不严谨：AI生成内容常出现虚假文献、逻辑漏洞 2. 创新性不足：难以挖掘真正的学术创新点 3. 可行性薄弱：研究方案缺乏系统论证 4. 交叉学科难：跨学科选题容易“两头不靠” 🎓 适用用户 - 高校教师（社科、教育、人文学科） - 科研人员（申报国家级、省部级课题） - 学术团队（需要系统化评审流程） 📋 典型使用流程 1. 输入：上传课题公告 + 申报书草稿 2. 评审：系统执行12步结构化分析 3. 对抗：双核机制迭代优化关键部分 4. 验证：文献真实性检查 5. 输出：完整评审报告 + 优化建议 + 文献清单 🔍 与传统评审的区别 | 维度 | 传统人工评审 | 专家评审系统 | |------|------------|---------| | 评审深度 | 依赖个人经验 | 12步结构化+9维质检 | | 学术严谨性 | 难以全面核查 | 文献验证+双核对抗 | | 创新性挖掘 | 主观判断 | 7维度系统分析 | | 可行性论证 | 经验驱动 | 7维度逐项论证 | | 一致性 | 因人而异 | 标准化流程 | | 效率 | 数天到数周 | 1-2小时完成初评 | 这个系统的核心优势在于：将15年资深评审专家的隐性知识显性化、结构化、可复制化，让每位使用者都能获得顶级专家水准的评审服务。
TRIZ-Academic Problem Discovery v2.0
14 TRIZ Core Tools · 1+4 Matrix Architecture
描述
研究者在选题阶段面临的核心困境，往往不是"没有问题"，而是"看不到真正的问题"。 TRIZ-Academic Problem Discovery v2.0 采用AFP 3.1三层架构，整合14个TRIZ核心工具，从模糊困境中发现有理论张力的科学问题。 核心能力： 1. 1+4矩阵架构——1个路由器（8信号诊断）+ 4条执行路径（视野扩展/冲突解决/方案构造/思维诊断） 2. 学科自适应——理工科（技术矛盾）/人文社科（社会矛盾）/管理学科（组织矛盾）三档自动适配TRIZ工具侧重 3. 14个TRIZ工具深度操作——九屏幕法、进化法则、理想解、ARIZ、分离原理、STC、资源分析、功能分析等，每个工具含操作模板 4. B核九维量化审计——结构/逻辑/工具准确性/学科适配/创新性/冲突解决度/防折中/可执行性/理论张力，≥80分方可交付 5. 三级降级策略——TRIZ工具不适配时自动降级到通用创新方法论 适合：博士生/硕士生、青年研究者、跨学科研究者、导师。支持中英双语。
相关技能
查看全部TRIZ创新思维训练大师（科研版）
TRIZ创新思维训练大师是一套面向学术研究的创新问题发现与选题生成系统。它以TRIZ的矛盾解决、九屏幕法、进化法则、资源分析和思维陷阱诊断为核心，通过AFP式严格步进流程，将模糊的研究困境转化为清晰的科学问题、可执行的研究方案和具有理论张力的选题方向。系统还内置思维教练与学术编辑双核审查，从研究对象、理论机制、证据路径、方法匹配和创新程度等维度进行质量把关，帮助用户突破“找不到创新点”“只能妥协”“方法被限制”等常见困境，真正训练出可迁移、可复用的创新思维能力。
理工科博士选题诊断师
已经有博士论文题目，却不知道它是否真的规范、创新、可做？本技能专门诊断已有题目，不从零随机生成选题，也不只做文字润色。 它会拆解题目中的研究对象、核心变量、作用机制、结果指标和研究边界，结合用户提供的中英文文献、实验基础、样品、方法、设备、时间与经费，分别判断题目的规范性、创新性和可行性，并识别“换材料式创新”“变量混杂”“机制证据不足”“样品矩阵失控”“章节无法递进”等风险。 最终输出《理工科博士选题体检报告》，明确题目应当：保留微调、保留对象但强化维度、保留问题意识并重构对象，还是停止修补、重新设计。 适用于食品、化学、材料、生物、医学基础、环境、农业、能源及工程技术等理工科博士生，尤其适合准备开题、导师要求改题、已经开题但主线不清，或已有实验却不知道能否支撑整篇博士论文的用户。
课题申报书创作、评审与润色PRO V2.0
🎯 核心功能概述 这是一个专为国家社科、教育部、省级课题申报打造的智能评审与优化系统，模拟15年资深评审专家的思维模式，通过三大核心机制确保申报书的学术严谨性和竞争力。 🔧 三大核心机制 1️⃣ 12步结构化方法论 完整覆盖课题申报书评审的全生命周期： Phase 1-3：基础诊断 - 公告深度解析（资助导向、评审标准、申报要求） - 交叉学科类型判断（8种类型精准识别） - 研究GAP五维度识别（理论/方法/实证/政策/技术） Phase 4-7：核心要素评审 - 研究问题TMAQ模型分析（理论/方法/思路/问题四维） - 研究目标SMART原则检验 - 研究内容框架完整性评估 - 研究思路类型匹配（6种类型） Phase 8-10：深度质量提升 - 重难点精准提炼（区分标准+突破路径） - 创新点7维度挖掘 - 可行性7维度论证 Phase 11-12：整体优化 - 9维度质量检测（学术严谨性、创新性、可行性等） - 综合优化建议与最终报告 2️⃣ 双核对抗机制（Builder vs Supervisor） 工作原理： - Builder（学术写手）：基于用户材料生成优化方案 - Supervisor（顶刊审稿人）：以最严苛标准挑战Builder的方案 - 对抗迭代：通过3轮对抗确保方案经得起推敲 应用场景： - 创新点挖掘时：Builder提出创新点 → Supervisor质疑其新颖性 → 迭代优化 - 可行性论证时：Builder设计方案 → Supervisor挑战其可行性 → 补充论证 - 文献引用时：Builder引用文献 → Supervisor验证真实性 → 确保学术规范 3️⃣ 文献真实性验证机制 两种工作模式： 模式A：占位符模式（默认） - 使用 [文献占位符-001] 等标记代替具体文献 - 输出《文献需求清单》，明确每个占位符的检索要求 - 用户自行检索后填入真实文献 模式B：实时验证模式 - 调用 Google Scholar 实时验证文献真实性 - 生成《文献验证报告》（真实性/相关性/权威性评分） - 确保每条引用都可追溯 防止AI幻觉： - 禁止凭空捏造作者、期刊、DOI - 所有文献必须经过验证或标记为占位符 - 保障学术诚信底线 💡 核心价值与适用场景 ✅ 解决的核心痛点 1. 学术不严谨：AI生成内容常出现虚假文献、逻辑漏洞 2. 创新性不足：难以挖掘真正的学术创新点 3. 可行性薄弱：研究方案缺乏系统论证 4. 交叉学科难：跨学科选题容易“两头不靠” 🎓 适用用户 - 高校教师（社科、教育、人文学科） - 科研人员（申报国家级、省部级课题） - 学术团队（需要系统化评审流程） 📋 典型使用流程 1. 输入：上传课题公告 + 申报书草稿 2. 评审：系统执行12步结构化分析 3. 对抗：双核机制迭代优化关键部分 4. 验证：文献真实性检查 5. 输出：完整评审报告 + 优化建议 + 文献清单 🔍 与传统评审的区别 | 维度 | 传统人工评审 | 专家评审系统 | |------|------------|---------| | 评审深度 | 依赖个人经验 | 12步结构化+9维质检 | | 学术严谨性 | 难以全面核查 | 文献验证+双核对抗 | | 创新性挖掘 | 主观判断 | 7维度系统分析 | | 可行性论证 | 经验驱动 | 7维度逐项论证 | | 一致性 | 因人而异 | 标准化流程 | | 效率 | 数天到数周 | 1-2小时完成初评 | 这个系统的核心优势在于：将15年资深评审专家的隐性知识显性化、结构化、可复制化，让每位使用者都能获得顶级专家水准的评审服务。
发现下一个适合你的技能
继续探索更多精选 AI 技能，用于研究、创作和日常工作。