import live www.sillylaird.ca webrootHEADmain

1 files changed, 217 insertions, 0 deletions

diff --git a/.agents/skills/research-ideation/references/method-selection-guide.md b/.agents/skills/research-ideation/references/method-selection-guide.md
new file mode 100644
index 0000000..f62d6b5
--- /dev/null
+++ b/.agents/skills/research-ideation/references/method-selection-guide.md
@@ -0,0 +1,217 @@
+# 方法选择指南
+
+帮助研究者选择适合的研究方法和技术路线。
+
+## 1. 常见研究方法分类
+
+### 1.1 理论分析方法
+
+**特点**：通过数学推导和理论分析来理解问题
+
+**适用场景**：
+- 需要理论保证的问题
+- 算法复杂度分析
+- 收敛性证明
+- 泛化界分析
+
+**示例**：
+- PAC 学习理论
+- 优化算法收敛性分析
+- 神经网络表达能力分析
+
+**所需技能**：
+- 数学基础（概率论、优化理论）
+- 理论计算机科学
+- 证明技巧
+
+### 1.2 实证研究方法
+
+**特点**：通过实验验证假设和评估方法
+
+**适用场景**：
+- 新方法性能评估
+- 假设验证
+- 方法对比
+- 参数敏感性分析
+
+**示例**：
+- 在多个数据集上评估新模型
+- 消融实验分析组件贡献
+- 超参数搜索和优化
+
+**所需资源**：
+- 计算资源（GPU/TPU）
+- 标准数据集
+- 评估指标和工具
+
+### 1.3 系统构建方法
+
+**特点**：构建完整的系统或工具
+
+**适用场景**：
+- 端到端应用系统
+- 工具和框架开发
+- 集成多个技术
+- 实际部署需求
+
+**示例**：
+- 对话系统
+- 推荐系统
+- 代码生成工具
+- 数据处理框架
+
+**所需资源**：
+- 工程能力
+- 系统设计经验
+- 用户反馈渠道
+- 维护和迭代能力
+
+### 1.4 数据分析方法
+
+**特点**：通过数据分析发现规律和洞察
+
+**适用场景**：
+- 探索性研究
+- 现象分析
+- 模型行为理解
+- 错误分析
+
+**示例**：
+- 注意力模式可视化
+- 模型预测错误分析
+- 数据集偏差分析
+- 训练动态分析
+
+**所需技能**：
+- 数据可视化
+- 统计分析
+- 模型解释技术
+
+## 2. 方法选择决策框架
+
+### 2.1 问题类型匹配
+
+| 问题类型 | 推荐方法 | 原因 |
+|---------|---------|------|
+| 理论问题 | 理论分析 | 需要严格证明 |
+| 性能提升 | 实证研究 | 需要实验验证 |
+| 实际应用 | 系统构建 | 需要端到端解决方案 |
+| 现象理解 | 数据分析 | 需要探索和发现 |
+
+### 2.2 资源约束考虑
+
+**计算资源有限**：
+- 优先选择轻量级方法
+- 使用预训练模型
+- 考虑模型压缩技术
+- 使用小规模数据集验证
+
+**时间紧迫**：
+- 选择成熟的方法
+- 使用现有工具和框架
+- 避免从零开始
+- 优先快速原型
+
+**数据有限**：
+- 使用迁移学习
+- 数据增强技术
+- Few-shot 学习方法
+- 合成数据生成
+
+## 3. 方法优缺点对比
+
+### 3.1 理论分析方法
+
+**优点**：
+- 提供理论保证
+- 深入理解问题本质
+- 结果具有普适性
+- 不依赖大量实验
+
+**缺点**：
+- 需要强数学背景
+- 可能与实际有差距
+- 证明过程耗时
+- 难以处理复杂系统
+
+### 3.2 实证研究方法
+
+**优点**：
+- 直接验证性能
+- 结果直观可信
+- 易于复现
+- 适用范围广
+
+**缺点**：
+- 需要大量计算资源
+- 结果可能过拟合数据集
+- 缺乏理论解释
+- 超参数调优困难
+
+### 3.3 系统构建方法
+
+**优点**：
+- 解决实际问题
+- 产生实用价值
+- 综合多种技术
+- 易于产业化
+
+**缺点**：
+- 工程量大
+- 维护成本高
+- 学术贡献可能有限
+- 难以发表顶会
+
+### 3.4 数据分析方法
+
+**优点**：
+- 发现新现象
+- 提供洞察
+- 成本相对较低
+- 可视化效果好
+
+**缺点**：
+- 可能缺乏深度
+- 难以量化贡献
+- 结果可能主观
+- 需要领域知识
+
+## 4. 资源需求评估
+
+### 4.1 计算资源
+
+| 方法类型 | GPU 需求 | 训练时间 | 存储需求 |
+|---------|---------|---------|---------|
+| 理论分析 | 无 | 无 | 低 |
+| 小规模实验 | 1-2 GPU | 数小时-数天 | 中 |
+| 大规模实验 | 4-8 GPU | 数天-数周 | 高 |
+| 系统构建 | 可变 | 持续 | 高 |
+
+### 4.2 人力资源
+
+**单人项目**：
+- 理论分析（如有背景）
+- 小规模实证研究
+- 数据分析
+
+**团队项目**：
+- 大规模实证研究
+- 系统构建
+- 跨领域研究
+
+### 4.3 时间资源
+
+**3个月内**：
+- 小规模实验
+- 数据分析
+- 理论分析（简单问题）
+
+**6个月内**：
+- 中等规模实验
+- 系统原型
+- 理论分析（复杂问题）
+
+**1年内**：
+- 大规模实验
+- 完整系统
+- 深入理论研究