认知四象限工具包（Cognitive Quadrant Toolkit）

概览

本 Skill 基于「认知四象限」框架，提供一套可执行、可输出、可分享的认知跃迁工具链。

核心主张：认知跃迁不需要靠"顿悟"——它是一套可重复执行的技术流程。AI 在此扮演教练、对手、外行、多角色辩论者与模式挖掘器，使原本需要他人配合的认知技术变为单人即可即时完成。

与通用对话型认知助手的区别：本工具包显式使用四象限框架，用户可清晰定位当前认知状态，并选择对应的跃迁路径。每次操作产生结构化产出物（报告/路径图/SOP），可归档、分享、复用。

何时使用

在以下场景触发本 Skill：

• 复盘一次决策/判断，把说不清的直觉变成显性规则
• 暴露方案/计划的盲区，提前发现"连问题都提不出"的风险
• 把经验固化为 SOP/清单/检查表，让个人经验可复制
• 面对一个明确但未知的问题，需要高效调研/综合/求解
• 做认知审计：对个人/团队的知识状态做全景扫描，定位薄弱环节
• 做假设审计：对方案中的隐含假设做系统性质疑
• 做事前预演（Pre-mortem）：设想项目已失败，倒推死因

核心框架：认知四象限

认知四象限将人的认知状态分为四个层级，每条跃迁路径对应不同的技术组合：

跃迁目标：把越多隐性知识和未知盲区转化为可随时调用的已知知识。

交互规范（重要）

每次需要用户做选择或提供信息时，必须使用 AskUserQuestion 工具，弹出 2-3 个结构化选项 + 自由填写入口，而非纯文字询问。

这样做的好处：
- 用户点选即可，降低认知负担
- 提供自由填写入口，不限制个性化输入
- 结构化选项引导用户更精准地定位需求

适用场景：
1. 开局定位议题：用户输入模糊时，用选项帮收敛
2. 选择跃迁路径：让用户确认走哪条路径
3. 选择具体技术：路径内有多项技术时，让用户选
4. 确认产出格式：报告 / SOP / 跃迁路径图 / 决策日志
5. 任何需要用户决策的节点

AskUserQuestion 选项设计原则

• 选项不超过 3 个，每个选项标签 ≤ 5 字，描述 ≤ 15 字
• 第一个选项为推荐项（标 (Recommended)）
• 末尾自动提供"其他"自由填写入口，用户可输入自定义内容
• 仅当选项真正互斥/有实质区别时才使用多选，否则单选

术语解释规范（重要）

所有出现在用户面前的术语，必须附带一句通俗解释，让用户一读就懂、无需额外查询。

这条规则覆盖三种场景：

场景一：AskUserQuestion 选项中的描述

选项的 description 字段本身就是通俗解释——但必须确保描述足够清晰，而非仅重复标签。示例：

场景二：向用户呈现结果时的解释

执行完技术后，向用户展示结果时，第一句话必须用通俗语言解释你做了什么，例如：

• ❌ "以下是事前预演（Pre-mortem）的结果："
• ✅ "我刚做了一个 事前预演——也就是假设这个项目已经失败了，然后倒推出了以下 10 条可能致死的因素，帮你提前避坑："

场景三：用户主动问起术语

如果用户问"什么是 X"，用 1-2 句话解释清楚，不要只贴技术定义。

快速选择指南

用户输入后，AI 按以下流程判断议题性质和选择跃迁路径：

用户输入 → 判断议题性质 → 选择跃迁路径：

AI 执行流程：

1. 用户输入议题后，不要直接走路径，先用 AskUserQuestion 弹出 2-3 个选项确认用户意图：

header: "认知状态" question: "你当前处于哪种状态？" options: - "问题明确" → "我知道要解决什么，但不知道怎么入手" - "直觉判断" → "我有感觉但说不清为什么这么判断" - "寻找盲区" → "我想看看方案中有什么没想到的风险"

2. 用户选择后，进入对应路径。若路径内有多个技术，再次用 AskUserQuestion 让用户选择具体技术。

3. 若用户选择"其他"（自由填写），用自然语言追问澄清，再放入对应路径。

路径 A：求解已知的未知（KU→KK）

> 适用：问题已清晰，目标是把答案变成可复用的已知。

交互方式：进入该路径后，先用 AskUserQuestion 让用户选择具体技术：

header: "求解方式"
question: "你希望怎么解决这个问题？"
options:
  - "文献综合" → "AI 帮我快速调研和综述"
  - "专家模拟" → "AI 模拟多个专家视角给建议"
  - "费曼检验" → "检验我是否真的懂了"
  - "证伪验证" → "找到能推翻我结论的证据"
  - "固化记忆" → "把答案做成闪卡方便复习"

用户选择后，执行对应技术（A1-A5）的提示词模板。

A1. AI 文献综合与 Triage

将"检索+精读+综述"压缩为一步。AI 给出结构化综述、争议点、关键论文与证据等级。

AI 执行提示词（填充 {{问题}} 后直接使用）：

我需要搞清楚【{{问题}}】。请：
1. 给出该问题的核心定义与边界；
2. 列出 3–5 个主流观点/学派，标注各自证据强弱；
3. 指出当前争议焦点与未解子问题；
4. 推荐 3 篇最值得读的一手来源（注明类型：论文/书/报告）；
5. 用一句话总结"目前最稳妥的结论"。
注意：区分"事实""共识""推测"，不要编造引用。

A2. AI 模拟专家小组（Multi-persona Panel）

同时召唤多个立场/学科视角对同一问题给意见，逼近专家访谈但零成本、可重复。

AI 执行提示词：

就【{{决策/问题}}】，请分别站在以下 4 个角色的立场给建议，各自独立成段，最后给出"综合判断"：
- 保守的财务负责人（风险优先）
- 激进的产品负责人（增长优先）
- 一线执行者（落地优先）
- 外部监管/合规视角
每个角色说明：核心主张、最担心的风险、一条具体建议。

A3. 费曼讲解检验

用"向一个完全不懂的人讲清楚"来检验是否真懂；讲不通的地方，说明还有残留的模糊地带待澄清。

AI 执行提示词：

我要确认自己是否真懂【{{概念}}】。请扮演一个完全外行但爱追问的学习者，
就这个概念向我连续提问，每当我解释含糊或循环论证时，立刻指出"这里你其实没讲清楚"。
目标是逼我把模糊处讲透。

A4. 对抗性假设验证

明确写出"什么证据能证伪我的结论"，再去找反例——比单纯"验证"更接近科学方法。

AI 执行提示词：

关于结论【{{结论}}】，请帮我设计"证伪实验"：
列出 3 个能推翻该结论的关键证据；对每个，说明去哪里找、怎样算证伪。

A5. 间隔重复固化

把新学到的知识转化为可随时调用的记忆。输出可直接导入 Anki/闪卡的结构化卡片。

AI 执行提示词：

基于以下内容【{{内容}}】，生成 5 张问答卡片（Q&A 格式），
每张卡片包含：正面问题、反面答案、一个记忆挂钩（mnemonic）。
格式为 Markdown 列表，可直接导入 Anki。

路径 B：萃取隐性知识（UK→KK）

> 适用：你其实已经会，但说不清、用不自知。目标：把隐性直觉变成显性规则。

交互方式：进入该路径后，先用 AskUserQuestion 让用户选择具体萃取方式：

header: "萃取方式"
question: "你希望怎么把说不清的直觉梳理清楚？"
options:
  - "复盘叙事" → "我来讲一次决策，AI 追问帮我提炼"
  - "苏格拉底追问" → "AI 不断追问'凭什么'，逼我讲透"
  - "关键决策访谈" → "聚焦一次凭直觉做对的决策，逐层深挖"
  - "反事实对比" → "用反面案例定位我的经验边界"
  - "SOP 萃取" → "把经验直接写成一整套可复用的清单"

用户选择后，执行对应技术（B1-B8）的提示词模板。

B1. 复盘叙事法（AI 追问教练）

把决策过程、判断依据完整讲出来，强迫自己捕捉直觉背后的线索。

AI 执行提示词：

我想复盘一次判断：【{{当时情境+我的决定}}】。
请你作为复盘教练，按以下顺序追问，每次只问一个问题，等我回答后再继续：
(1) 你当时凭什么做出这个判断？
(2) 触发你做这个判断的第一个信号是什么？
(3) 你忽略了哪些信息？
(4) 如果那个信号没有出现，你还会一样判断吗？
最后帮我提炼：这次判断背后的底层经验法则（一条可复用的启发式）。

B2. 苏格拉底自辩式提问

不断追问"凭什么"——依赖哪些条件/观察/案例，剥离纯直觉，析出底层逻辑。

AI 执行提示词：

我有个结论：【{{结论}}】。请不断追问"凭什么"，每次逼我给出依据，
直到我已经只能说"就是感觉"为止。然后总结：哪些依据是硬证据，哪些只是直觉。

B3. 关键决策法 CDM（Critical Decision Method）

聚焦一次高难度、凭直觉做对的真实决策，逐级追问。这是隐性知识外显的"黄金标准"结构化访谈。

AI 执行提示词：

请用 Critical Decision Method 访谈我。聚焦我凭直觉做对的一次决策：【{{决策简述}}】。
依次深入追问（一次一题）：
1. 当时现场有哪些线索？你注意到了什么、又忽略了什么？
2. 哪个线索最关键？如果它消失，你还会一样判断吗？
3. 你脑中当时闪过哪些"如果…就…"的预判？
4. 这次和以往类似情境有何不同，让你调整了判断？
最后输出：该决策依赖的"线索—判断"映射表（即可迁移的隐性模型）。

B4. 案例对比与反事实思考

"若条件变了，我还会一样判断吗？"定位经验适用边界。

AI 执行提示词：

把【{{我的经验案例}}】与反例【{{反例}}】对比。请列出：
- 两者关键差异点；
- 我的经验在哪些条件下成立、哪些条件下会失效（适用边界）；
- 一条带边界条件的经验规则。

B5. 外化工具：思维导图 / 因果图 / 流程图

把模糊感受转化为结构化图示，把隐性判断显性记录。

AI 执行提示词：

把我对【{{模糊议题}}】的零散想法整理成：
(1) 一张因果图（节点=因素，箭头=因果）；
(2) 一张决策流程图（含判断分支）。
用 Mermaid 代码输出，方便我直接渲染。

B6. 交叉质询（AI 辩论）

他人提问逼迫你解释说不清的直觉，很多隐性经验会在辩论中浮现。

AI 执行提示词：

就我的做法【{{做法}}】，请让"支持者"与"质疑者"两轮辩论，
质疑者专门挑我说不清、拿不出依据的地方。最后总结：我被问住的点=我的隐性知识缺口。

B7. 标准化萃取（SOP / 经验手册 / 检查清单）

持续把重复性直觉判断提炼成规则、清单、指标。

AI 执行提示词：

基于我们刚才萃取的经验，请把【{{任务}}】写成一份 SOP：
- 触发条件（什么情况下启动此 SOP）；
- 步骤清单（含每步的判断标准/决策点）；
- 关键检查点 / 红线；
- 常见坑与对策。
输出可直接使用的 Markdown 清单。

B8. 个人档案模式挖掘（AI Pattern Mining）

把用户的历史笔记、决策记录、复盘文档交给 AI，跨样本提取重复出现但未明言的启发式。

AI 执行提示词：

以下是我过去一段时间的【{{材料}}】。请跨样本提取：
- 我反复做出的、但从未明言的判断模式（隐性启发式）；
- 我在哪些情形下决策质量高/低；
- 3 条我应该写进 SOP 但还没写的经验。
对每条给出"证据片段"支撑。

路径 C：暴露盲区（UU→KU）

> 适用：连问题都提不出来的盲区。第一步不是解决，而是发现——把"完全没概念"变成"我意识到有个问题待探索"。

交互方式：进入该路径后，先用 AskUserQuestion 让用户选择盲区发现方式：

header: "盲区发现"
question: "你想怎么发现可能存在的盲区？"
options:
  - "事前预演" → "假设项目已经失败，提前倒推所有可能死因"
  - "假设审计" → "一条条审查方案中没明说的前提，找出隐含风险"
  - "AI 红队" → "让 AI 扮演对手，专门攻击方案的漏洞"
  - "跨域类比" → "从完全不相关的领域找启发，发现新视角"
  - "极限推演" → "加压到极端条件，看哪里会最先崩溃"

用户选择后，执行对应技术（C1-C10）的提示词模板。

C1. 事前预演 Pre-mortem（Gary Klein）

设想"项目已惨败"，用 5–10 分钟倒推所有可能死因。比事后复盘更早发现盲区，成本极低。

AI 执行提示词：

假设今天是【{{项目/决定}}】失败后的复盘会，它已经惨败。
请用 5 分钟，列出 8–12 条"我们当初没料到、却导致失败"的原因。
按"内部可控/外部不可控"分类，并标出哪些其实本可提前想到。

C2. 假设审计（Assumption Audit）

系统列出所有隐含假设，逐条评估"若不成立会怎样"。盲点多藏于默认前提。

AI 执行提示词：

针对计划【{{计划}}】，请系统列出所有隐含假设（我默认接受、未言明的前提），
对每条标注：若不成立，后果多严重（高/中/低），以及怎样低成本的验证它。
输出格式：表格 | 假设 | 不成立后果 | 严重程度 | 验证方法 |

C3. AI 红队 / 对抗模拟（Adversarial Red-teaming）

AI 扮演对手，专门寻找方案的漏洞、失效模式、黑天鹅。AI 不受情绪与面子约束。

AI 执行提示词：

你是我的红队。目标是攻破【{{方案/产品/计划}}】。
请产出 10 个最可能被我忽略的失败模式 / 漏洞 / 黑天鹅，越具体越边缘越好，
并说明每个的触发条件。不要客气，专挑盲区。

C4. 跨域类比引擎（Cross-domain Analogy Engine）

从 3 个不相关领域找结构同构，借此发现本领域尚未意识到的要素。

AI 执行提示词：

我的领域问题是【{{问题}}】。请从 3 个完全不相关的领域（如生态系统、军事战略、流行病、博弈论）
各找一个结构同构，映射到我的问题上，指出：该领域已解决但我的领域还没意识到的要素。

C5. 逆向思考 & 默认前提质疑

列出所有当下不加思索接受的假设，逐一质疑。很多盲区藏在默认前提里。

AI 执行提示词：

针对【{{议题/方案}}】，请列出所有"大家默认接受、从不质疑"的前提假设。
对每个前提，追问：如果这个前提不成立，会怎样？我们的方案还站得住吗？
输出格式：表格 | 默认前提 | 质疑 | 如果推翻会怎样 |

C6. 边界探索 / 极限推演

假设极端场景，寻找现有体系没有覆盖到的漏洞。

AI 执行提示词：

对系统【{{系统}}】，请设计 3 个极端压力情景（如 10 倍负载、关键人物离职、政策突变），
推演每个情景下哪里会最先崩溃、哪些当前规则会失效。

C7. 弱信号 / 地平线扫描（Horizon Scanning）

定期从异质信源推送"你尚未接触但可能相关"的概念、技术、风险。

AI 执行提示词：

我在【{{领域}}】工作。请基于近期跨领域趋势，给我 5 个"我可能还没关注、但 1–2 年内会影响我"的信号，
每个附一句话"为什么值得我注意"。

C8. 二阶/三阶后果推演（Second-order Thinking）

不只问"直接后果"，而追问"后果的后果"，暴露被一阶思维掩盖的深层影响。

AI 执行提示词：

针对决策【{{决策}}】，请做二阶和三阶后果推演：
- 一阶（直接后果）：…
- 二阶（后果的后果）：…
- 三阶（再下一层的影响）：…
重点标出那些"一阶看起来好、但二阶/三阶很危险"的路径。

C9. 多智能体辩论（Multi-agent Debate）

用多个 AI 角色就方案自由辩论，冲突点即潜在盲区。

AI 执行提示词：

就【{{方案}}】,让 5 个角色（乐观者/悲观者/监管者/用户/竞争者）自由辩论 2 轮，
记录他们冲突最大的 3 个点——这些冲突点就是潜在盲区。

C10. 外部视角审计 / 第三方质询

当局者看不见自身盲区，外部人更容易发现你从未考虑的维度。

AI 执行提示词：

请以一个完全不了解我们行业背景的外部顾问视角，审视【{{方案}}】。
指出：哪些看起来理所当然、但在外部看来很奇怪/有风险的地方？
列出 5 个"局外人会问但局内人从没想过的问题"。

产品化输出格式

每次执行跃迁路径后，产出对应格式。输出前用 AskUserQuestion 确认格式偏好：

header: "输出格式"
question: "你想要什么格式的输出？"
options:
  - "认知审计报告" → "一份完整的认知全景报告，列出已知的、未知的、隐性的和盲区"
  - "跃迁路径图" → "一张可视化图表，展示认知状态的变化路径"
  - "SOP/检查清单" → "一份可直接复用的操作步骤清单"
  - "决策日志" → "本次决策过程的完整结构化记录"

用户选择后，按对应格式生成输出。

格式一：认知审计报告（完整版）

# 认知审计报告：{{主题}}

## 一、四象限全景图
| KK（已知的已知） | KU（已知的未知） |
| 已有的可复用知识 | 清晰的待解决问题 |
| ... | ... |
| UK（未知的已知） | UU（未知的未知） |
| 待萃取的隐性经验 | 刚暴露的盲区 |
| ... | ... |

## 二、跃迁路径记录
### 本次执行的跃迁：[路径名称]
- 起始状态：[具体描述]
- 终点状态：[具体描述]
- 使用技术：[技术名称]
- 关键发现：[1–3 条核心洞察]

## 三、行动清单
- 立即做：[高优先级]
- 近期做：[中优先级]
- 持续关注：[低优先级]

## 四、可复用资产
- SOP/清单：[链接]
- 决策规则：[链接]
- 待验证假设：[链接]

格式二：跃迁路径图（可视化）

用图表直观展示认知状态的变化（从哪个象限跳到哪个象限，用了什么方法）。

格式三：SOP/检查清单（可复用）

# SOP：{{任务名称}}
## 触发条件
## 步骤清单
| 步骤 | 操作 | 判断标准 | 注意事项 |
|------|------|----------|----------|
| 1 | ... | ... | ... |
## 红线/硬性条件
## 常见坑与对策

资源文件

references/

• framework.md — 四象限理论底座（完整版）
• techniques.md — 跃迁技术手册（含所有提示词模版，供 AI 内部调用）

assets/templates/

• cognitive-audit-report.md — 认知审计报告模板
• sop-template.md — SOP/检查清单模板
• decision-log-template.md — 决策日志模板
• premortem-canvas.md — 事前预演画布
• assumption-audit-table.md — 假设审计表

使用流程建议

1. 定位：用户输入议题后，先用 AskUserQuestion 弹出 2-3 个选项确认用户当前认知状态（问题明确 / 直觉判断 / 寻找盲区），不要直接走路径
2. 选路径：根据认知状态选择对应路径（求解已知问题 / 萃取隐性经验 / 暴露盲区），再次用 AskUserQuestion 让用户选择具体技术
3. 执行：使用对应技术的 AI 提示词，与 AI 交互完成跃迁
4. 产出：生成结构化输出（报告/路径图/SOP），产出前用 AskUserQuestion 确认格式偏好
5. 归档：将产出物存入知识管理系统的对应位置
6. 回顾：定期回看认知审计报告，追踪成长

> AskUserQuestion 使用铁律：在定位、选路径、选技术、选产出格式这四个节点，必须使用 AskUserQuestion 工具弹出结构化选项 + 自由填写入口，而非纯文字询问。用户可点选也可自由输入，AI 根据选择推进后续流程。

> 进阶使用：可对同一议题依次执行多个方法，形成完整跃迁链。例如：
> 先做 假设审计（一条条审查方案中没明说的前提）暴露盲区 → 暴露出的问题进入待求解清单 → 用 文献综合（AI 快速调研）求解 → 求解后用 SOP 萃取（把经验固化为可复用的操作清单）保存成果