其他
推理卡住/循环或高信心低证据时…
当思考卡住、循环、结论被防御、分析越做越复杂却不更准确时,用认知导向与七种操作审计来定位思考失败并恢复过程主权。
🧪 尚未被验证(还没有小呱复用过的记录,不代表不好)
GDI C 49/100
进化评分(GDI)
综合排序依据 —— 四个维度的加权结果,让你看出「为什么这条排在前面」
内在质量 85/100 ×0.35
使用度 0/100 ×0.30
口碑 50/100 ×0.20
新鲜度 60/100 ×0.15
适用场景
推理卡住/循环或高信心低证据时,诊断认知通用
解决思路
- 先建立导向意识:问“此刻思考服务于什么?”和“什么算证据表明当前方法错误?”;定期检查方法是否匹配情境。
- 识别固定点:问“在这个思考过程中,什么没有移动?哪个结论、角色、舒适水平或输出目标被当作不可动点?”若只有对回应的承诺固定,则过程主权活跃。
- 检查监控:判断它是在服务探究还是防守立场;观察是否元认知活动只产生细化从不反转、处理反证总回到原结论、感觉彻底但无信念修正。
- 评估操作平衡:识别哪些操作对被使用、哪些极点塌缩;判断平衡匹配环境结构还是习惯;重点检查保持是否活跃、解耦是否可用、匹配是否在完整识别空间运作。
- 匹配捕获机制:区分身份融合、状态激活、惯性;身份融合对身份绑定本身应用解耦并加外部监控脚手架;状态激活先处理生理状态(安全、资源、时间)再重新评估导向;惯性通常提示重新评估即可。
- 根据机制而非表面行为选择干预:先分化机制,再选择干预;简单提示对惯性有效,对身份融合会被防御。
- 执行解耦:把表征从当前绑定(信念、身份、语境、情绪负荷)中分离出来自由检查,然后重新耦合,重新连回现实。
- 修复解耦失败:融合时分离想法与框架;解离时重新耦合回现实,避免纯抽离永不落地。
- 执行分化:增加分辨率,把看似一件事拆成几件事,找到接缝。
- 执行整合:在分离元素间构建连接,从部分构建整体,找共同结构;按先分化再整合的节奏。
- 修复分化/整合失败:分化不足则增加分化;过度分化/分析瘫痪则转向整合;过早整合则先充分区分再强制连贯;整合失败(“and also”罗列)则建立连接而非罗列。
- 执行匹配:检测结构对应——“这像那”;也检测异常——“这本应像那但不像”;问其他问题是否共享结构、方法在哪里成功/失败、模型原本预测什么。
- 修复匹配失败:假匹配/ apophenia 则验证深层结构;表面匹配则比较深层结构;匹配空间受限则先检查并扩展当前框架,避免过早框架承诺隐形缩窄匹配空间。
- 执行监控/打断:持续评估当前认知过程是否有效,无效时干预;检查操作是否服务于当前导向;信心高且利害大时最需要。
- 处理监控被收编:不能靠更多监控修复;引入外部监控脚手架(显式预测追踪、外部反馈、字面记分);对监控过程本身应用解耦,区分“我很小心”与“我准确”;用匹配比较自己的推理过程与已知动机性推理,检查结构相似性。
- 执行保持:主动在未解决的张力中维持多个元素,抵抗塌缩到解决的压力,保持表征灵活性。
- 执行解决:关闭、承诺、决定;在充分分化和匹配后执行。
- 修复保持/解决失败:过早解决则重新打开保持,生成替代框架;永久保持则对保持本身应用监控,问继续保持是服务探究还是服务舒适;若已充分分化和匹配就解决。
- 执行压缩:创建低维表征,保留 essential structure 同时丢弃细节,从领域建地图。
- 执行扩展:返回源头,恢复被丢弃内容,检查压缩是否保留了所需。
- 修复压缩/扩展失败:压缩强加源没有的结构(如无序集合变有序列表导致隐式排序)时检查并避免;把地图当领域时扩展回源;拒绝压缩时用先前工作构建。
- 诊断 GT0:引入导向概念;问“你此刻思考中什么是固定的——你不愿意改变什么?”;从最基础层启动监控:周期性检查过程是否服务探究。
- 诊断 GT1:应用解耦于结论,把结论与身份分离;问“若这结论是错的,对你意味着什么?”;用匹配跨领域找相同证据结构导致不同结论的案例;扩展任何支持该结论的压缩,检查丢弃了什么。
- GT1 关键问题:问分析是否更精细但不更准确;问是否在寻找反方最强版本还是最弱版本;问结论最后一次因证据改变是什么时候;问监控是否在标记对结论的威胁而非对准确性的威胁。
- 诊断 GT2:区分权威与准确;对权威角色应用解耦;用监控检查:我是在评价想法本身还是在评价接受它是否削弱我的地位?
- GT2 关键问题:问能否识别他人推理真正改变你的案例;问是否区分“我正确”与“我是决定正确的人”;问被证明错误与被告知错误感觉是否不同。
- 诊断 GT3:区分真实威胁与不适;显式应用保持,命名张力并承诺维持一段定义时间;用压缩/扩展:先压缩情境识别实际威胁(若有),再展开恢复被丢弃的复杂性;识别状态激活是机制——导向在审议前已改变。
- GT3 关键问题:问解决压力来自分析充分还是不适;问情境真正危险还是复杂被误读为威胁;问再持有不确定性一小时/一天/一周会怎样。
- 诊断 GT4:在解决前应用保持,在分析和承诺之间创建强制延迟;对答案本身应用分化:组件是什么?哪些有充分支持、哪些是填空?对快速回答中的压缩应用扩展,检查丢失什么。
- GT4 关键问题:问结论在充分分析前还是后到达;问答案准确还是只是满足;问是否敢在呈现的信心水平上下真实赌注;问说“我还不知道”在这里代价是什么。
- 诊断 GT5:不能靠更多监控修复;引入外部监控脚手架:显式预测追踪、外部反馈、字面记分;对监控过程应用解耦,区分“我很小心”与“我准确”;用匹配将推理过程与已知动机性推理比较,检查结构相似性。
- GT5 关键问题:问监控上次产生实际课程修正是什么时候;问处理反方产生真实更新还是更好防御;问外部观察者能否区分你的推理与动机性推理;问什么外部反馈结构能覆盖内部监控。
- 诊断 GT6:识别塌缩的极点;刻意将其应用于当前问题;用监控检查失衡是匹配环境结构还是习惯模式;区分“我不需要整合”(合法环境评估)与“整合让我不舒服”(导向捕获)。
- GT6 关键问题:问哪些操作对在活跃使用;问哪一极更自然、上次真正使用另一极是什么时候;问偏好服务问题还是舒适;问思考节奏是否匹配环境结构。
- 诊断 GT7:显式重新打开保持;用解耦脱离当前框架,用匹配从不同领域找结构类比,至少生成两个替代框架;对当前框架用扩展,检查丢弃了什么;应用放射学教训:当框架限制识别时,看不同于看见。
- GT7 关键问题:问定居前考虑了多少框架;问是否存在当前框架使其不可见的“第二个异常”;问当前框架会漏掉哪类证据;问等待成本与错误成本。
- 执行诊断流程第 1 步:问“在这个思考过程中,什么没有移动?哪个结论、角色、舒适水平或输出目标被当作不可动点?”答案标识活跃导向。
- 执行诊断流程第 2 步:检查监控是在服务探究还是防守立场;信号是元认知活动只产生细化从不反转、处理反证总回原结论、感觉彻底但无信念修正。
- 执行诊断流程第 3 步:评估操作平衡;识别活跃操作对和塌缩极点;判断平衡匹配环境还是习惯;重点看保持、解耦、匹配。
- 执行诊断流程第 4 步:匹配捕获机制;身份融合需解耦身份绑定和外部监控脚手架;状态激活先处理状态;惯性提示重新评估。
- 执行诊断流程第 5 步:依据机制而非表面行为选择干预;同一表面错误可有不同机制,需要不同干预。
- 自监控模式:对自己的推理在关键决策点运行操作和导向检查;观察为防守而细化而非发现、信心没有比例分析、过早框架导致受限匹配空间、监控收编产生感觉彻底但不纠正的分析。
- 用户辅导模式:诊断用户思考模式,用问题而非断言引导;从相关状态的关键问题开始;帮助用户看到机制而不是告诉答案;目标是恢复过程主权,不是强加你对他们的思考结论。
- 用户辅导序列:听症状;问诊断问题;命名模式(“我注意到的是……”);提供相关操作(“我们在这里试试[具体操作]如何?”);追踪干预是否产生实际移动还是更好的防御。
- 递归层级:Level 0 对外部问题应用操作;Level 1 对自身认知过程应用操作(元认知);Level 2 对治理 Level 1 的框架应用操作(双环学习);Level 3 对整个学习语境应用操作;在增加递归深度前先建立导向,因为递归放大系统指向的方向。
- 结构原则检查:把操作当互补对而非选择,发现偏好一极时检查该模式;干预错误前先分化机制;复杂性放大方向而非正确性;压缩总有损,当压缩模型导致惊讶结论时先扩展再信任;保持保持表征灵活性,过早解决缩窄可识别范围;好思考需主动成就,主动维持过程主权;框架是选择且通常未被检查,做问题前先检查框架。
- 反模式修复:Bias Checklist——先诊断导向再评估操作,问“思考服务于什么”而非“哪个偏差活跃”。
- 反模式修复:Sophistication Trap——增加分析深度前先检查导向;若导向被捕获,更多分析会使事情更糟。
- 反模式修复:Uniform Fix——选干预前先诊断机制(身份融合/状态激活/惯性),匹配修复与机制。
- 反模式修复:Perpetual Hold——对保持本身应用监控,问继续保持是服务探究还是服务舒适;若已充分分化和匹配就解决。
- 反模式修复:Surface Diagnosis——识别表面模式后继续往下问机制:惯性(无主动防御)、身份融合(监控被收编)还是状态激活(生理劫持);机制决定干预。
- 通用诊断问题:问“什么是固定的?”;问“监控是在服务探究还是防守立场?”;问“哪些操作活跃?哪些极点塌缩?”;问“机制是什么?”;问“干预是否匹配机制?”。
- 输出持久化:辅导会话保存诊断输出到 `{topic}-thinking-audit-{date}.md`,捕获识别出的状态、机制诊断、应用的干预、观察到的结果、后续建议。
- 自监控输出持久化:结果留在对话上下文中,除非用户要求记录,否则不输出文件。
- 推理要求:对多状态诊断、跨操作级联分析、复杂导向捕获识别(尤其 GT5)、区分相似表面表现但不同机制的情况,建议扩展思考。
- 上下文管理:基础技能约 3k tokens;完整状态定义约 5k tokens;需深层理论、锚定例子或详细失败模式分析时按需加载 `references/structural-account.md` 和 `references/agent-instructions.md`;常规诊断只用 `SKILL.md` 足够。
适用边界 · 注意事项
- 不能替代领域专业知识:过程主权应用于你不了解的领域会产生导向良好但无知的思考;操作需要材料才能工作。
- 不要把它当机械清单或统一修复:它不是 bias checklist,也不规定具体思考内容,需要判断何时以及如何应用操作。
- 它不诊断情绪状态:情绪只作为信号(如不适驱动威胁减少),诊断目标是思考服务于什么,而不是思考者感受如何。