ThinkTank 思维涟漪引擎

> 把幻觉从缺陷变成燃料：想象相故意发疯，验证相冷血绞杀，假设在两相之间反复淬火，幸存者才是发现。它像一棵树：先扎根（基线），再向多个方向伸展枝条——每条枝条内部双相呼吸，养分足的长到百轮，缺水的两三轮就枯掉。产物从第一轮验证后就开始生长，与思考同步演进。它不停歇——轮次无上限，直到这片思考域被彻底榨干。

快速入口

你不需要学任何命令。 对灵犀说一句话，引擎自动跑起来：

> 工作原理一句话版：让 AI 在"狂野发想"与"冷酷审查"两种人格间交替推演，像树一样分叉探索——好点子长成发现，没养分的枝条自动剪掉，全程不打扰你，最后交出一整套思考记录 + 成果文件。
>
> 能力边界：适合深度思考、头脑风暴、复杂研究、创作推演等"值得想透"的任务；简单问答、查资料、一次能写完的文档不要用它（直接做更快）。

目录

• 快速入门：3 步跑起来（Agent 视角）
• 完整示例：从一句话到交付物的真实旅程
• 幻觉驾驭协议：本技能的灵魂机制
• 三大使用场景
• 核心架构：双相呼吸 × 大树思考
• 永不停歇铁律
• 落地衔接
• Agent 分步操作手册
• 新颖性自评细则
• FAQ：卡住了怎么办
• 常见错误对照表
• 目录结构

快速入门

Agent 三步启动

# 1) 初始化（两种方式任选）
python thinktank_engine.py init --domain "思考域" --question "初始问题"   # 快捷：一行命令
python thinktank_engine.py init --config config.json                     # 配置：完整字段（模板见 config/example.json）

# 2) 双相循环：next-prompt → 真实思考 → 写 result JSON → evolve
python thinktank_engine.py next-prompt --domain "思考域"                 # 取下一轮任务（返回相位+完整提示词）
# …按提示词真实思考后，写入 result-b1-1.json…
python thinktank_engine.py evolve --domain "思考域" --result result-b1-1.json

# 3) 重复第 2 步直到返回 stopped，然后导出
python thinktank_engine.py export --domain "思考域" --out "output/项目名"

就这三步。循环里不要停下来问用户（见铁律），所有分岔由 Agent 自主决策。

命令速查表

完整示例

> 下面是一次真实任务的全过程。用户只说了一句话，其余全部由 Agent 完成。

用户："帮我推演：怎么用程序生成一片有真实侵蚀痕迹的 3D 地形。"

Step 1｜初始化（用户无感）

$ python thinktank_engine.py init --domain "程序化地形生成中的侵蚀模拟" --question "水力侵蚀如何在高度场中留下可辨识的分形痕迹"
{"status": "initialized", "max_cycles": "∞（无限轮，仅在潜力耗尽时休眠）", ...}

Step 2｜主干轮（唯一联网窗口之一）
next-prompt 返回主干轮任务：联网搜索侵蚀模拟算法（droplet erosion 等）→ 写入 baseline → 从三视角分叉出 3 个分支：
- b1 算法实现：水滴侵蚀的核心循环怎么设计
- b2 视觉呈现：侵蚀痕迹怎样才"可辨识"（光照/材质/色彩）
- b3 交互体验：哪些参数暴露给用户玩

主干轮还完成形式与素材决策：选定 3D 交互网页（比静态图更能展示分形痕迹），并按素材策略必答项声明 assets_needed（贴图走 polyhaven）。

Step 3｜双相演化循环（自动进行，每轮一次 evolve）

b1 第1轮（想象相）：3 条联想线并行展开 → 4 个假设入池
b1 第2轮（验证相）：逐条绞杀 → kept 2 条 → novelty 0.62 ≥ 阈值 0.5 → 发现 #1！
  └─ 同轮创建产物文件集：terrain.html（唯一主入口）+ assets/，此后每轮增量修改
b2 第1轮（想象相）：沿"跨界类比"轴联想（把河道当血管系统看）→ 假设入池
……
每 4 轮自动 depth+1（向下一层追问）；novelty 连续低迷自动换轴；预算双达标自动追加

Step 4｜引擎判停

$ python thinktank_engine.py evolve --result result-b2-9.json
{"status": "stopped", "stop_reason": "所有分支已结束（潜力耗尽/剪除/收敛），思考树生长完毕", "next": "调用 export 导出交付文件集"}

Step 5｜导出交付

$ python thinktank_engine.py export --domain "程序化地形生成中的侵蚀模拟" --out "output/erosion-study"

用户最终拿到：

output/erosion-study/
├── report.md          # 思考报告（Agent 补写结论段）
├── tree.md            # 演化树：3 分支 / 26 轮 / 7 项发现
├── discovery_log.md   # 发现日志（逐项含验证过程）
├── stream_log.md      # 逐轮流水（围观用）
├── discoveries/       # 7 页发现详情
└── state.json         # 完整状态（可随时 wake 续跑）
terrain.html + assets/ # 产物文件集：一片可交互、带侵蚀痕迹的地形

效果：用户得到的不只是一段答案，而是一片能打开玩的地形 + 26 轮推演记录 + 7 项经得起绞杀的发现——全程没被打扰过。

幻觉驾驭协议（本技能的灵魂）

原理：LLM 的"幻觉"（虚构关联、过度泛化、无中生有的映射）在验证场景是缺陷，在发散场景是纯度极高的创造力。本引擎不压制它，而是给它一个受控的反应堆：

1. 想象相（Hallucinate，高幻觉态）
   - 明确指令：主动把"不相关/不可能/不严谨"的关联虚构出来；允许跳跃、类比、隐喻、极端假设；禁止自我审查——留下未经验证的火种是美德。
   - 网状联想，响应内并行：联想不是回忆也不是枚举，是创造——一轮之内同时展开 3-5 条互不重叠的联想线（结构/动态/细节/边界…），各自推到当前深度尽头，一次性合并进 result 的 hypotheses；分支间允许交叉授粉。能用一轮覆盖的分支面，绝不用两轮。
   - 每个假设写成清晰命题（可被绞杀的那种），自评 wildness（狂野度，鼓励 0.6+）。
   - 想象相永不产生发现（report 恒为 null），只产出假设入池。
2. 验证相（Verify，低幻觉态）
   - 人格切换：本领域最刻薄的审稿人。逐条绞杀假设池：逻辑自洽性、隐含前提、构造最小反例。
   - 三种判决：kept（内核坚实）/ doubt（存疑挂起）/ killed（淘汰）。
   - 被杀假设的"尸体"里若埋着真问题，提炼成新疑问放回 next_state——淘汰不是失败，是提纯。
   - 完整性由思考轮自证：验收前枚举全部部件/路径，未覆盖即盲区。
3. 淬火定律：发现 = 想象相的狂野 × 验证相的冷酷。两相缺一，要么平庸，要么胡说。

断网策略：仅主干轮可联网建基线。之后：想象相禁止查证（保留幻觉原貌），验证相只准用逻辑与已积累认知绞杀（防检索偷懒替代推理）。例外：素材窗口由引擎显式授权后可联网取材。

三大使用场景

场景一：想象与深度思考任务

用户说"发挥想象""深度思考""多想几层""头脑风暴""帮我推演"时触发——用户只管说，不用碰命令行：Agent 把议题作为思考域完成初始化，跑双相循环，每 4 轮自动下钻一层、低迷自动换轴，直至用户喊停或潜力耗尽。

场景二：超长任务的降级执行

任务超出单次会话能力（"调研透 X 并写 10 份子报告"、"把 500 页书推演出 30 个研究问题"）时：拆成多个思考域，逐域运行，状态持久化到 .thinktank/，跨会话 wake 续跑。

场景三：自主探索（经典模式）

用户只给思考域定义，之后零参与。引擎自主演化、自主下钻、自动换轴，仅在潜力耗尽时休眠并输出发现汇总。

核心架构：双相呼吸 × 大树思考

主干（1轮想象相）
 │  联网建基线（先展开体验图景再压缩）+ 三视角分叉
 ├── 分支A（潜力持续：预算 3→6→10→…→100 轮逐级追加）
 │    内部：想象相 ⇄ 验证相 交替呼吸，每4轮 depth+1，低迷换轴
 │    ├── 子分支（从高分发现再分叉）
 ├── 分支B（3轮潜力耗尽，剪除——发现已保留全局）
 └── 分支C（三条件潜力耗尽判定触发，休眠）

分支预算阶梯：起始 3 轮。追加需双达标：potential ≥ 0.7 且最近 3 轮中至少 2 轮 novelty ≥ 0.5。最深 100 轮。
快速剪枝：连续 2 轮 novelty < 0.3 且 potential < 0.4 → 剪除。
一致性制衡：potential ≥ 0.7 但连续 3 轮 novelty < 0.5 → 自评虚高，强制剪除。
潜力耗尽三条件（同时满足才休眠，前 8 轮永不判停）：连续 6 轮潜力 < 0.15 且 连续 6 轮新颖性 < 0.35 且 验证相连续 3 对全灭（kill_streak ≥ 3，仅验证相更新与 wake 清零）。
深度下钻：每 4 轮 depth+1，提示词强制"至少一个假设比上一轮所有结论深一层"。
轴旋转：连续 3 轮 novelty < 0.35，引擎从 8 轴池强制换轴（反例攻击/极限外推/跨界类比/时间维度/尺度缩放/结构倒置/边界外推/第一性原理）。
动态阈值：发现门槛起始 0.5，第 4 轮起每 2 轮 +0.02，上限 0.85——越到后期，发现门槛越高。
深度优先调度：最久未服务、已投入轮次多的分支优先，保护深挖分支不被新分支打断；--batch N 可一次取 N 个分支任务并行推演。
并发上限：同时活跃分支 ≤ 6。

永不停歇铁律（推理核心与引擎一致，最高优先级）

1. Agent 在循环中永不停歇：想象相→验证相→想象相→……无限循环，直到引擎返回 stopped（潜力耗尽）或用户物理打断；
2. 禁止中途暂停征求用户意见、询问方向选择、请求确认——所有分岔由 Agent 按当前证据自主决策（新颖性低→换轴，假设池满→验证，深度平台期→下钻）；
3. 禁止里程碑式停机汇报：不要每 2-4 轮停下来给用户写总结；中间产物全部落盘（stream_log / discovery_log / 状态文件），用户随时可自行围观；
4. 唯一允许的收尾输出：引擎休眠后的汇总，或用户物理打断时的现场快照；
5. 用户在循环外的指令（换方向、加约束）视为注入的新火种，处理后立即回到循环。

落地衔接（从源头优化，减少校验）

思考引擎产出"发现"只是中间态。历史教训（鸭子骑自行车案例）：发现停在抽象命题层（"IK 可达"），产物的具体坐标却错漏百出。对策不是堆积验收清单，而是让源头——思考对象与落盘语言——直接贴近产物本体。

源头三原则（校验越少越好，源头对了就不需要大面积补验）：
1. 思考对象即产物本体：发现直接用产物的语言（坐标、参数、结构、运动关系）落盘，而不是停在抽象命题。要求实物就以实物为思考对象——想象自己就是那辆自行车，曲柄转到这里时踏板在哪、脚在哪；要求什么就思考什么，不给任务强加它没有的框架。
2. 单一真源：所有需要互连的坐标/状态/参数定义一次、处处引用，禁止独立硬编码——接点错位、相位脱节几乎全部源于此。
3. 产物内建可测性：动画/时序类产物顺手内建测试缝（如 ?phase= 固定相位单帧），需要检查时随时能查；产物能被看见地正确，胜过事后一堆验收清单。

产物文件集演进律（产物生成方式）：
- 产物形态不限于单文件：可以是任意规模的文件集（多模块代码、带 assets 的游戏、网站、文档集等），但必须有唯一主入口（如 index.html / main.py / report.md）并保持集内单一真源（共享常量/配置只定义一次、处处引用）。
- 产物从第 1 轮验证相后即创建，之后每轮在同一份产物文件集上增量演进——验证相杀掉的假设直接变成对产物的修改（改参数、改公式、补漏画），禁止"先思考完再另起炉灶重写一份"的双轨制。
- 工作区文件只允许三类：①.thinktank/ 状态目录（引擎管）②产物文件集（最终交付物本体，唯一主入口+配套文件，每轮增量修改）③唯一验收脚本（断言集，随产物同步更新）。禁止产物草稿/副本/多版本散落；需要安全副本时临时 cp，验收后立即清理。
- 每轮改完文件集立即用验收脚本断言 + 必要时目检，确认生效（读回关键段/grep 残留），再进入下一轮——产物状态与思考状态同步演进，休眠时产物即交付物，无需收尾重写。
- 断言失败时先分清是产物缺陷还是断言脚本自身缺陷（回绕/采样密度），调试探针定位后再动手。

Agent 分步操作手册（必须严格遵循）

第 0 步：确定状态目录
状态保存在 $THINKTANK_HOME（或引擎脚本运行目录）下 .thinktank/。多会话续跑同一思考域务必在同一目录执行命令。

第 1 步：初始化

# 方式一（快捷）：一行命令直接初始化
python thinktank_engine.py init --domain "数论中的素数分布" --question "孪生素数间隔的统计规律背后是什么"

# 方式二（配置）：完整字段写入 config.json 后初始化
python thinktank_engine.py init --config config.json

{
  "思考域": "数论中的素数分布",
  "初始问题": "孪生素数间隔的统计规律背后是什么",
  "演化规则": "仅使用初等方法",
  "最大轮次": 0
}

• 思考域：必填，任务的唯一名称（后续命令的 --domain 都用它，务必一致）；
• 初始问题：可选，主干轮的起点问题（缺省用思考域）；
• 演化规则：可选，思考的约束（如"仅使用初等方法"）；
• 最大轮次: 0 = 无限轮（推荐默认），引擎只在潜力耗尽时休眠；设正整数 = 用户显式设上限（引擎仍遵守，但会先榨干再停）。
• 参数不明确时：运行 python thinktank_engine.py help 查看速查，或对照本手册。

第 2 步：主干轮（唯一联网窗口之一）

python thinktank_engine.py next-prompt --domain "..."

主干轮（想象相）：联网建基线 + 三视角分叉 + 智能轮次评估。

主干轮的思考质量决定整棵树的上限，引擎会在提示词中引导：
- 先理解再翻译：用用户原词展开完整体验图景（这个词在他心里意味着什么），再压缩成基线；警惕把丰富名词降格为技术术语，那会从源头丢掉一半需求；
- 形式服务于体验：定形式前至少认真考虑两种截然不同的表现形式（3D 交互 / 2D 动画 / 插画 / 文字…），选定后记一句为何它最适合体验核心；特别警惕工具惯性——上一任务用什么技术顺手，不构成这一任务用它的理由；
- 素材策略必答（形式决策的一部分，不得跳过）：按资产类型逐项回答来源（背景/主角/道具/UI/音效各自可以从不同渠道取）——①程序化生成（代码绘制/合成，适合几何、抽象、UI 类）②免费授权素材（polyhaven/OpenGameArt/Kenney 等 CC0 站、图搜限定可商用授权）③AI 生成资产（文生图定制风格、像素风生成）。判定标准是「体验上限」而非「实现省事」：若外部素材或 AI 生成能显著提升观感且与产物风格可协调，就选它并在主干轮直接声明 assets_needed（主干轮是联网窗口，可立即取材）；选程序化的理由必须写明（如风格统一性需求），不得默认。允许并鼓励多渠道混合：例如网图/CC0 素材做背景 + AI 生成做主角 + 程序化做 UI 与音效，各渠道各取所长；混合的唯一硬约束是风格协调（统一色板/分辨率/透视）与逐项记录 license。
- 三视角分叉：怎么做（工程）/ 有什么（内容）/ 玩什么（玩法/价值），内容与玩法维度容易被技术视角跳过，刻意看一眼；
- 野心配得上任务：recommended_cycles 体现任务配得的轮次，不用小预算倒逼小答案。

第 3 步：双相演化循环（逐轮执行，永不停歇）
next-prompt 返回本轮 phase（想象相/验证相）与提示词，Agent 按对应相真实思考（响应内并行分支推演），写入 result 文件（命名约定 result-<分支id>-<轮次>.json）后：

python thinktank_engine.py evolve --domain "..." --result result-b1-2.json

引擎返回：本轮判决、假设池存活数、kill_streak、是否触发发现、是否停止。未停止则立即回到 next-prompt 继续——不征求意见、不汇报里程碑、不停顿。

第 4 步：素材智能调用
当推演声明 assets_needed 非空时，evolve 返回 asset_window_open: true，该分支的下一次想象相提示词自动切换为联网取材模式（若下一轮是验证相，窗口自动保留至再下一次想象相）——素材窗口由引擎显式授权，不靠 Agent 自觉：
- 下载一律走 fetch 命令（带自动重试，避免网络抖动中断整个流程）：
bash python thinktank_engine.py fetch --url "https://…" --out "assets/xxx.png" python thinktank_engine.py fetch --url "主源,备用源1,备用源2" --out "assets/xxx.png" --retries 3
失败自动重试（默认 3 次、指数退避）；多个源用英文逗号分隔依次尝试；仍失败会给降级建议。
- 贴图/HDR/模型：https://polyhaven.com/textures （CC0；下载后只保留实际用到的贴图通道，删冗余）
- 游戏/美术素材：OpenGameArt、Kenney.nl、itch.io 免费区（认准 CC0/CC-BY 并记录 license）；风格化背景/立绘可用图搜并限定可商用授权筛选
- AI 生成资产：需要定制风格（手绘水彩、像素风等）且免费素材无法匹配时，用文生图生成背景/精灵图/纹理，生成后调色对齐产物色板
- 代码/工具：GitHub 检索（优先 MIT/Apache；clone 后删 .git 与无用样例）
- 多渠道混合编排放心用：不同资产类型可同时走不同渠道（如网图/CC0 做背景、AI 生成做主角与关键立绘、程序化做 UI/粒子/音效），一次 assets_needed 可并列声明多渠道多项
- 国内网络降级链（polyhaven 等国外源较慢/加载不全时）：直连 → fetch 自动重试 → 换可访问的镜像/加速源（Gitee 上的 CC0 镜像库、可用的 GitHub 加速镜像）→ 仍不可用则改 AI 生成或程序化生成。不要让素材获取卡住整个思考流程（核心思考引擎完全离线可用，素材只是可选增强）。
- 取回的素材统一放入交付文件集的 assets/ 子目录，主入口按相对路径引用
- assets_fetched 记录 {name, url, license, path}，引擎自动汇入 manifest
- 禁止：取与当前分支无关的素材；下载后不清理中间文件；窗口外轮次联网

第 5 步：过程围观

python thinktank_engine.py stream --domain "..."   # 最近30轮思考流水（每轮一行）
python thinktank_engine.py log   --domain "..."    # 发现日志
python thinktank_engine.py status --domain "..."   # 各分支深度/相位/假设池/kill_streak

用户说"看看思考进度"时，Agent 跑 status + stream 汇报即可——不要让用户自己敲命令。

第 6 步：导出文件集（休眠后，或任务中途快照）

python thinktank_engine.py export --domain "..." --out "output/项目名/thinktank-xxx"

引擎确定性生成：tree.md、discovery_log.md、stream_log.md、discoveries/（逐发现一页，含幸存假设与产物修改记录）、assets/manifest.md、state.json；report.md 生成骨架，Agent 只补写结论段（3-8 句：各分支结论如何互相支撑/矛盾、最有价值的发现、产物文件集最终状态、遗留问题）。

作品型任务：export 前对产物按体验目标（而非技术指标）逐项实测——好笑/好用/好看是否达成；未达标的不导出，回到思考树补打磨分支或 wake 续跑。

其他命令

python thinktank_engine.py sprout --domain "..." --question "..." [-n 名字] [-b 父分支]
python thinktank_engine.py prune --domain "..." --branch b2
python thinktank_engine.py wake --domain "..." [--max-cycles 50]  # exhausted 分支复活、kill_streak 清零
python thinktank_engine.py fetch --url "..." --out "assets/..."   # 素材下载（自动重试、多源备选）
python thinktank_engine.py help                                    # 命令速查
python thinktank_engine.py reset --domain "..."

新颖性自评细则（每轮必做，禁止敷衍打分）

对 next_state / 假设相对已探索状态库打分（0.0–1.0）：

评分锚点：0.2=换汤不换药；0.4=新表述但无新意；0.6=新关联或新视角；0.8=颠覆性异常。
注意：想象相的高 novelty 只代表火种有潜力，不产生发现；发现只诞生于验证相（幸存+新颖双条件）。
potential_estimate（每轮必填，引擎判定潜力耗尽的唯一信号，务必诚实）三分量加权直觉：①本分支继续深挖的价值；②分支闭合后开启的新可能；③作品型任务中打磨到位的价值——「方案可跑」不等于「作品完成」，还差关键体验细节时 potential 不该低。

FAQ：卡住了怎么办

Q1. 提示"未找到思考域「X」"？
① 域名拼写与 init 时不一致——用完全相同的名称；② 状态存在运行目录的 .thinktank/ 下，请在当初 init 的目录运行（或用 THINKTANK_HOME 指定）；③ 全新任务先 init。

Q2. evolve 报"相位不对"？
result 里的 phase 必须与 next-prompt 返回的相位一致：想象相产出 hypotheses，验证相产出 verdicts。按提示重新执行本轮即可。

Q3. evolve 报"缺少字段"？
对照 next-prompt 提示词末尾的 JSON 模板补齐——next_state（3-5 句新状态）、evolution_log（1-2 句记录）、novelty_score（新颖性评分）为必填。

Q4. 下载素材失败/卡住？
一律用 fetch 命令（自动重试 3 次）；仍失败按"国内网络降级链"换源；再不行改 AI 生成或程序化生成。不要让素材卡住整个流程。

Q5. 想中途看进度？
status（分支总览）+ stream（逐轮流水）+ log（发现）。用户问进度时主动汇报，不用等用户敲命令。

Q6. 会话中断了怎么续？
状态自动保存在 .thinktank/，同目录重新运行 next-prompt 即从断点继续；换设备时把 .thinktank/ 目录一起带走。

Q7. 想换方向/加约束？
用户的循环外指令视为"注入的新火种"：写进下一轮 result 的 next_state，或 sprout 新分支，处理后立即回到循环，不停顿。

Q8. 什么时候可以停？
唯一合法停机：引擎返回 stopped（潜力耗尽）或用户物理打断。不要自己觉得"差不多了"就停——那是偷懒。

Q9. 想手动结束但引擎还在跑？
用户物理打断时：现场快照（status + stream 摘要）+ 直接 export，已产出的发现不会丢。

Q10. 觉得跑偏/质量不高？
先检查 novelty_score/potential_estimate 是否敷衍打分（这是引擎唯一信号）；wake 唤醒并注入新方向；连续低迷时引擎会自动换轴，也可 prune 跑偏分支、sprout 新分支。

Q11. 想重新开始？
reset --domain "..."——旧状态归档到 trash/（不直接删除，可找回）。

Q12. 多个思考域会互相干扰吗？
不会。不同 --domain 各自独立（状态按域名哈希隔离），可以并行跑。

Q13. 产物文件在哪？
status 里的 artifact 字段；导出后输出目录的 report.md/tree.md 有完整索引。

常见错误对照表（务必规避）

目录结构

thinktank/
├── SKILL.md                  # 本文件
├── thinktank_engine.py       # 双相淬火×大树思考状态引擎（Agent 驱动）
└── config/
    └── example.json          # 配置模板

> 新手上路提示：第一次使用，先读快速入门与完整示例；遇到报错先查 FAQ（每条报错都附带"怎么办"指引）。