stimuli-exp-design

Yikai-Liao's avatarfrom Yikai-Liao

从心理学/认知科学论文原文、论文中的刺激插图(<workspace>/paper/...)、实验数据与参考代码(<workspace>/data/...)中，抽取复现实验所需的全部实现信息，生成严格可追溯、可核验引用的 exp_design.md；输出必须以 stimkit 为唯一刺激实现框架来表述参数、坐标、形状与渲染逻辑，并包含 Evidence Index、Fact Ledger、trial 流程、条件枚举、随机化/反平衡规则、数据字段↔实现参数映射。

⭐0stars🔀0forks📁View on GitHub🕐Updated Jan 9, 2026
[Academic Research]

When & Why to Use This Skill

This Claude skill automates the extraction of experimental design parameters from psychology and cognitive science research materials. It synthesizes data from research papers, stimulus illustrations, and reference code to generate a standardized, traceable 'exp_design.md' document. By utilizing the stimkit framework for stimulus representation and maintaining a rigorous 'Fact Ledger,' it ensures high-fidelity replication and eliminates ambiguity in experimental setups.

Use Cases

  • Replicating complex psychology experiments by extracting precise stimulus coordinates, trial timing, and randomization logic from academic PDFs and figures.
  • Auditing research transparency by cross-referencing published paper descriptions with actual source code to identify and resolve implementation discrepancies.
  • Standardizing lab protocols by converting heterogeneous research notes and legacy code into a unified, machine-readable experimental specification for the stimkit framework.
namestimuli-exp-design
description从心理学/认知科学论文原文、论文中的刺激插图(<workspace>/paper/...)、实验数据与参考代码(<workspace>/data/...)中，抽取复现实验所需的全部实现信息，生成严格可追溯、可核验引用的 exp_design.md；输出必须以 stimkit 为唯一刺激实现框架来表述参数、坐标、形状与渲染逻辑，并包含 Evidence Index、Fact Ledger、trial 流程、条件枚举、随机化/反平衡规则、数据字段↔实现参数映射。

心理学论文 exp_design.md 生成（stimkit 绑定、可核验引用）

Overview

最高纲领：阅读工作区中的论文原文与论文中图像刺激的插图(/paper/...)，以及提供的实验数据与可能的代码(/data/...)，提取所有与复现实现有关信息形式化的，无歧义的，有原文引用的设计文档exp_design.md。

以下所有原则皆派生自该最高纲领：当规则冲突或缺失时，优先保证“形式化 + 无歧义 + 可核验引用”。

特别强调：若 <workspace>/data/ 中提供源代码/参考实现，则其对实现逻辑与超参数具有最高优先级（高于论文文字描述）；必须显式引用并在冲突时以代码为准。

输出契约（必须满足）

严格按模板输出 <workspace>/exp_design.md，章节、表格与字段含义遵循：

  • references/output_contract.md

工作流程（按顺序执行）

  1. 建立 Evidence Index
  • 扫描 <workspace>/paper/（正文 + 刺激插图）与 <workspace>/data/（数据说明 + 参考实现/配置）
  • 为每个可引用片段分配 Evidence ID，并记录定位方式（文件路径、页码/标题、代码行区间、图号）
  • 写入 exp_design.md 的 “Evidence Index” 章节（模板见 output_contract）
  1. 抽取事实并入账（Fact Ledger）
  • 将所有“会影响复现代码”的信息拆成最小事实单元（参数/规则/枚举/流程/判定条件）
  • 每条事实必须：唯一表述 + Evidence 引用 + 置信度/来源类型（paper/figure/data/code/derived）
  • 事实台账格式见 references/output_contract.md 与 references/evidence_and_conflicts.md
  1. 处理冲突与缺失（禁止拍脑袋补数）
  • 当 paper、figure、data、code 的表述不一致：
    • 建立 Conflict Log（见 references/evidence_and_conflicts.md）
    • 给出“采用哪个来源作为实现真值”的明确决策，并引用支撑证据
    • 若 <workspace>/data/ 中提供了源代码/参考实现：对实现逻辑与超参数，必须以源代码为最高优先级
  • 当关键参数缺失：
    • 记录为 “缺失项（Missing）”，列出需要哪类证据才能补齐
    • 禁止虚构数值、禁止用“通常/一般/大概”替代
  1. 写 Per-Experiment Specification
  • 对每个实验分别输出：
    • 研究问题与操纵变量（只写与实现相关的那部分）
    • Trial 状态机 / Mermaid 流程图（带时长、输入、输出、分支条件）
    • 每个 Phase 的刺激几何定义（可在脑中复现，不依赖看图）
    • 随机化/反平衡/试次数量/Block 结构
  • 如果不同组（如 integrated vs separate）刺激结构不同：明确分叉并分别定义
  1. 数据字段 ↔ 实现参数闭环
  • 构建 Data Dictionary：每列类型、取值范围、语义
  • 构建 Mapping：数据字段 → 派生变量 → stimkit 参数/primitive
  • 若参考代码存在：以“可核验引用”的方式记录其实现细节，并以其作为实现真值优先级最高的来源
  • 细则见 references/data_mapping.md

stimkit 绑定（强制）

  • 所有几何/颜色/渲染必须能直接落到 stimkit 的坐标与 primitive 表述
  • 坐标系、角度零点、旋转正方向等约定：以 stimkit 源码/文档为实现真值；若找不到，写入缺失项并阻断相关推导
  • 细则见 references/stimkit_binding.md

最小自检（写完后必须过一遍）

  • 每个数值参数都出现在 Fact Ledger 或 Parameter Registry，且至少有 1 个 Evidence 引用
  • 每条流程分支（条件→呈现→响应→记录）都能在 Mermaid 图中找到对应节点
  • 每个 trial-level 随机变量都有：取值空间、约束、随机化单位（trial/block/subject）、是否需要固定 seed
  • 每个数据字段都在 Data Dictionary 出现；每个被代码使用的字段都能映射到具体视觉参数或判定逻辑
  • exp_design.md 中不得出现“等等/类似/大概/通常”这类不可核验表述