taskctl-research

name: taskctl-research description: 使用 taskctl research 工具进行假设驱动的研究推理。声明假设、收集证据、贝叶斯更新后验概率，最终收敛到可行动的结论。

taskctl research — 假设驱动的研究推理

核心思想

做研究就像做科学：靠直觉（gut feeling）→ 大胆假设 → 小心求证 → 更新判断 → 收敛到结论。

你（机器人）只需要做两件事：

1. 声明假设：对问题先下一个判断（prior）
2. 添加证据：每次发现新信息，声明它支持还是反对假设

工具会自动帮你：

• 用贝叶斯推理更新后验概率（posterior）
• 给出行动建议（verdict）：act / investigate / contested

你不需要关心公式，只需要诚实地声明你发现了什么。

化学键比喻（证据强度）

来自 Seed 论文的分子结构理论，不同来源的证据有不同的"键能"：

原则：强推导 > 交叉验证 > 弱猜测。exploration 的证据不管多少条都不会压过一条 deduction。

Verdict 决策阈值

完整工作流

第一步：声明假设

遇到不确定的问题时，先下一个直觉判断：

# 我怀疑是内存泄漏（70% 确信）
taskctl research hypothesis add --id memory-leak --prior 0.7

# 也可能是连接池耗尽（40% 确信）
taskctl research hypothesis add --id pool-exhaustion --prior 0.4

# 完全不确定，五五开
taskctl research hypothesis add --id config-error --prior 0.5

第二步：逐步添加证据

每次你发现了新信息（读了代码、跑了测试、看了日志），立即声明：

# 读代码发现 buffer 没有释放 → 强力支持内存泄漏假设
taskctl research add \
  --evidence-id e1 \
  --conclusion-id memory-leak \
  --relation supports \
  --confidence 0.9 \
  --bond deduction

# 日志显示内存曲线持续上升 → 交叉验证
taskctl research add \
  --evidence-id e2 \
  --conclusion-id memory-leak \
  --relation supports \
  --confidence 0.8 \
  --bond verification

# 但连接池监控显示正常 → 反对连接池耗尽假设
taskctl research add \
  --evidence-id e3 \
  --conclusion-id pool-exhaustion \
  --relation conflicts \
  --confidence 0.85 \
  --bond deduction

每次 add，工具自动输出更新后的 posterior 和 verdict：

{
  "ok": true,
  "evidence_id": "e1",
  "conclusion_id": "memory-leak",
  "posterior": 0.87,
  "verdict": "act"
}

第三步：检查当前状态

# 查看所有假设的后验概率
taskctl research hypothesis list

# 查看所有假设 + 证据详情
taskctl research list

# 聚合分析（带 verdict 排序）
taskctl research reduce

第四步：根据 verdict 行动

• act → 后验概率足够高，按此假设行动（修代码、提 PR）
• investigate → 还不够确定，继续调查，多加证据
• contested → 有矛盾证据，优先厘清冲突点

关键原则

1. 先假设再求证

不要等到 100% 确定才声明假设。prior = 0.5 表示"完全不确定"，这也是一个合法的起点。工具的价值在于帮你从模糊到清晰。

2. 诚实声明 confidence

• 0.9+ = 你非常确定（测试跑过、代码读过）
• 0.7~0.8 = 你比较确定（日志/文档支撑）
• 0.5~0.6 = 你有点感觉
• 0.3~0.4 = 弱线索

3. 正确选择 bond_type

这直接影响证据权重：

• deduction：你亲自验证了（读代码、跑测试、查数据库）
• verification：你从第二来源确认了（文档、日志、监控）
• exploration：你只是猜测或模式匹配（"这看起来像是..."）

4. 收敛后行动

当某假设 posterior >= 0.7 且 verdict = act，说明证据链已经足够支撑行动。不需要继续无限收集证据。

5. 矛盾时优先解决

如果 verdict = contested，不要继续无脑添加支持证据。先搞清楚矛盾的原因——可能假设本身需要细化。

命令速查

Store 文件

所有数据持久化在 --store 指定的 JSON 文件中（默认 ./taskctl-store.json），和 task DAG 共用同一个 store。

典型场景示例

Bug 定位

# 1. 直觉：可能是并发竞态
taskctl research hypothesis add --id race-condition --prior 0.6

# 2. 读代码发现没加锁 → 强支持
taskctl research add --evidence-id read-code --conclusion-id race-condition \
  --relation supports --confidence 0.9 --bond deduction
# → posterior ≈ 0.87, verdict: act

# 3. 直接修复

架构决策

# 1. 假设：应该用 WebSocket 而不是轮询
taskctl research hypothesis add --id use-websocket --prior 0.5

# 2. 性能测试显示轮询延迟太高 → 支持
taskctl research add --evidence-id perf-test --conclusion-id use-websocket \
  --relation supports --confidence 0.8 --bond deduction

# 3. 但运维团队说 WS 难维护 → 反对
taskctl research add --evidence-id ops-concern --conclusion-id use-websocket \
  --relation conflicts --confidence 0.6 --bond verification
# → verdict: contested → 需要进一步讨论

# 4. 找到轻量 WS 库解决运维痛点 → 支持
taskctl research add --evidence-id lightweight-lib --conclusion-id use-websocket \
  --relation supports --confidence 0.7 --bond verification
# → posterior 回升, verdict: act

需求调研

# 1. 假设：用户需要导出功能
taskctl research hypothesis add --id need-export --prior 0.5

# 2. 用户访谈中 3/5 提到了 → 支持
taskctl research add --evidence-id interview --conclusion-id need-export \
  --relation supports --confidence 0.7 --bond verification

# 3. 竞品都有导出 → 弱支持（只是猜测市场需要）
taskctl research add --evidence-id competitor --conclusion-id need-export \
  --relation supports --confidence 0.6 --bond exploration
# → exploration 权重低，不会主导判断