Science Superpowers là một bộ phương pháp luận khoa học máy tính có thể kết hợp (composable computational-science methodology) dành cho các tác nhân nghiên cứu AI (research agents), giúp chúng không chạy ngay vào dữ liệu mà thay vào đó tuân theo một quy trình nghiên cứu chặt chẽ: từ đặt câu hỏi giả thuyết có thể kiểm chứng, tiền đăng ký (pre-registration), thực thi tái lập, đến báo cáo kết quả. Repo này giải quyết vấn đề p-hacking và HARKing (giả thuyết sau khi biết kết quả) phổ biến trong phân tích dữ liệu, dành cho các nhà khoa học dữ liệu, nhà nghiên cứu AI và kỹ sư muốn tự động hóa quy trình nghiên cứu minh bạch. Bạn có thể xem chi tiết tại repository gốc trên GitHub.
Thank you for reading this post, don't forget to subscribe!Những điểm chính
- Science Superpowers là bộ kỹ năng có thể kết hợp (composable skills) cho agent AI, tự động kích hoạt khi bắt đầu phiên làm việc, không cần gọi thủ công.
- Nó thực thi quy trình nghiên cứu 11 bước, bắt buộc phải tiền đăng ký giả thuyết trước khi xem kết quả, bảo vệ khỏi p-hacking và HARKing.
- Repo không có phụ thuộc bên thứ ba, chỉ yêu cầu agent harness và POSIX shell, dễ tích hợp vào nhiều nền tảng.
- Hỗ trợ Cursor, Claude Code, Codex, Gemini CLI, OpenCode, Pi, Google Antigravity – cài đặt đơn giản qua plugin hoặc marketplace.
- Đi kèm script prereg.sh để đóng băng và kiểm tra tính toàn vẹn của giả thuyết dựa trên lịch sử git, minh bạch tuyệt đối.
Science Superpowers là gì và giải quyết vấn đề gì?
Science Superpowers là một bộ kỹ năng (skills) được thiết kế để tích hợp vào các tác nhân AI (agent) – như Cursor Agent hay Claude Code – nhằm buộc chúng tuân theo phương pháp luận khoa học chuẩn. Vấn đề nó giải quyết là khi một agent được giao việc phân tích dữ liệu, nó thường chạy ngay các thao tác thống kê mà không có khung giả thuyết rõ ràng, dễ dẫn đến p-hacking (săn lùng giá trị p) hoặc HARKing (đặt giả thuyết sau khi đã thấy kết quả). Repo này chặn đứng những hành vi đó bằng cách tự động kích hoạt một quy trình gồm: xác định câu hỏi giả thuyết, khảo sát tài liệu, thiết kế phân tích, tiền đăng ký, thực thi trong môi trường tái lập, điều tra bất thường, xác minh và báo cáo. Nó là bản triển khai lại của Superpowers (một methodology dành cho phát triển phần mềm) nhưng dành cho lĩnh vực khoa học với dữ liệu, thay thế TDD bằng tiền đăng ký.
Cách hoạt động của Science Superpowers?
Khi bạn tương tác với agent, bạn không cần gọi bất kỳ lệnh đặc biệt nào – các kỹ năng tự động kích hoạt dựa trên ngữ cảnh. Quy trình bắt đầu ngay khi agent nhận thấy bạn đang cố điều tra một vấn đề. Thay vì lao vào xử lý dữ liệu, nó dừng lại và chuyển sang bước framing-research-questions để biến một mối quan tâm mơ hồ thành một câu hỏi có thể kiểm chứng, kèm theo giả thuyết, dữ liệu cần thiết và tiêu chí trả lời. Sau đó, nó khảo sát tài liệu (surveying-prior-work) để gắn câu hỏi với kiến thức nền, thiết kế phân tích chi tiết (designing-the-analysis) và tiền đăng ký (preregistering-analysis) – bước quan trọng nhất, nơi mọi giả thuyết, dự đoán có hướng và quy tắc quyết định bị đóng băng trước khi nhìn vào kết quả. Mọi phân tích sau đó được thực thi trong môi trường tái lập (pinned environment, fixed seeds, immutable raw data). Nếu kết quả bất thường xảy ra, agent sẽ điều tra nguyên nhân gốc thay vì âm thầm loại bỏ dữ liệu. Cuối cùng, nó xác minh từng khẳng định với dữ liệu tái sinh và cho một red-team review trước khi báo cáo. Tất cả các bước này đều là mandatory workflows, không phải gợi ý.
Những tính năng nổi bật?
Thư viện kỹ năng (Skills library) được chia thành bảy nhóm: Framing (framing-research-questions), Planning & Pre-registration (designing-the-analysis, preregistering-analysis, kèm script prereg.sh), Execution (subagent-driven-analysis, executing-analysis, dispatching-parallel-investigations), Discipline (investigating-anomalous-results, verifying-results-before-claiming), Review (requesting-red-team-review, receiving-critical-review), Workspace & Reporting (setting-up-reproducible-analysis, reporting-and-archiving-findings), và Meta (writing-science-skills, using-science-superpowers). Điểm mạnh là tính composable – bạn có thể dùng một số kỹ năng riêng lẻ nếu không cần toàn bộ quy trình. Script prereg.sh cho phép bạn đóng băng trạng thái git để bằng chứng rằng dự đoán có trước kết quả và không bị sửa đổi. Repo hoàn toàn không phụ thuộc bên thứ ba, chạy được trên bất kỳ agent harness nào hỗ trợ POSIX shell. Một tính năng đáng chú ý khác là khả năng hỗ trợ nhiều nền tảng agent: từ Cursor (plugin marketplace), Claude Code (marketplace plugin), Codex (manifest), Gemini CLI (extension), OpenCode, Pi (pi install), đến Google Antigravity (Agent Skills).
Hướng dẫn cài đặt và sử dụng?
Việc cài đặt phụ thuộc vào agent harness bạn dùng. Dưới đây là các bước cơ bản cho hai nền tảng phổ biến:
- Cho Cursor: Trong Cursor Agent chat, cài từ plugin marketplace hoặc trỏ Cursor vào repository này như một plugin. File
hooks/hooks-cursor.jsonchứa sessionStart hook sẽ tự động tải bootstrap. - Cho Claude Code: Đăng ký một marketplace trỏ vào repo (
.claude-plugin/marketplace.json) và cài plugin science-superpowers. SessionStart hook tronghooks/hooks.jsonsẽ kích hoạt. - Cho Pi: Chạy lệnh
pi install git:github.com/K-Dense-AI/science-superpowers. Filepackage.jsonđã đăng ký kỹ năng và extension before_agent_start. - Cho Gemini CLI: Cài như extension; file
gemini-extension.jsontrỏ context file đếnGEMINI.mdđể tải bootstrap.
Sau khi cài đặt, bạn chỉ cần mở phiên làm việc với agent và bắt đầu đặt câu hỏi như bình thường – các kỹ năng sẽ tự động kích hoạt. Không cần gọi lệnh đặc biệt. Ví dụ: bạn nói ‘Tôi có dữ liệu churn quý trước. Liệu quy trình onboarding mới có giảm churn không?’, thay vì chạy ngay CSV, agent sẽ bắt đầu quy trình framing và tiền đăng ký.
Ai nên dùng – ai không nên?
Science Superpowers phù hợp nhất với các nhà khoa học dữ liệu, nhà nghiên cứu AI và kỹ sư muốn tự động hóa quy trình nghiên cứu minh bạch, đặc biệt là những người làm việc với dữ liệu nhạy cảm hoặc cần tái lập kết quả. Nó cũng hữu ích cho các nhóm nghiên cứu muốn áp dụng pre-registration như một chuẩn mực, nhưng không muốn phiền phức thủ công. Tuy nhiên, nó không phải dành cho những người cần phân tích khám phá nhanh, không có cấu trúc – bởi vì quy trình bắt buộc và việc tiền đăng ký có thể làm chậm công việc. Nếu bạn chỉ muốn một agent chạy thống kê cơ bản mà không cần kiểm soát chặt chẽ, repo này sẽ gây cảm giác nặng nề. Ngoài ra, người dùng không có kiến thức về agent harness (Cursor, Claude Code…) hoặc không dùng POSIX shell sẽ gặp khó khăn trong cài đặt. Tóm lại, đây là công cụ dành cho nghiên cứu có trách nhiệm, không phải cho mọi tác vụ dữ liệu thông thường.
Câu hỏi thường gặp
Science Superpowers có yêu cầu ngôn ngữ lập trình nào không?
Không. Repo không phụ thuộc vào bất kỳ ngôn ngữ lập trình cụ thể nào; nó chỉ yêu cầu agent harness và POSIX shell. Các kỹ năng là các tệp hướng dẫn (SKILL.md) mà agent đọc và thực thi.
Tôi có thể dùng một vài kỹ năng riêng lẻ thay vì toàn bộ quy trình không?
Có. Các kỹ năng được thiết kế theo dạng composable – bạn có thể chọn chỉ dùng framing-research-questions và preregistering-analysis mà bỏ qua các bước khác nếu phù hợp với quy trình của bạn.
Script prereg.sh hoạt động như thế nào?
Script này tạo một bản đóng băng git của các tệp giả thuyết và quy tắc quyết định, đánh dấu thời gian, và cung cấp bằng chứng từ lịch sử git rằng các dự đoán được tạo ra trước khi kết quả được xem và không bị chỉnh sửa.
Science Superpowers có thể tích hợp với các agent khác ngoài danh sách không?
Có, nếu agent hỗ trợ cơ chế skill file (SKILL.md) và session-start hooks. Bạn có thể tùy chỉnh bootstrap để phù hợp. Repo đã có hướng dẫn cho bảy nền tảng phổ biến.
Làm thế nào để bắt đầu nhanh nhất?
Cài đặt cho Cursor hoặc Claude Code theo hướng dẫn, sau đó mở phiên và đặt một câu hỏi nghiên cứu bất kỳ. Agent sẽ tự động kích hoạt quy trình – bạn chỉ việc theo dõi.
Kết luận
Science Superpowers là một công cụ mạnh mẽ để đưa tính nghiêm ngặt khoa học vào quy trình làm việc của các AI agents, giải quyết triệt để các vấn đề về p-hacking và HARKing. Nếu bạn đang làm việc với dữ liệu và muốn các phân tích của mình có thể tái lập và minh bạch, hãy dùng thử repo này. Đừng quên star repository trên GitHub để ủng hộ dự án và giúp cộng đồng khoa học tìm thấy nó dễ dàng hơn.
