fanguyun/ai-skills/multi-mental-models

多元思维模型

用多学科、多维度的思维模型分析一个真实问题，帮助用户看清问题结构、关键变量、隐藏假设、可能后果和可执行选择。

默认不追求“模型越多越好”。只选择对当前问题有解释力或决策价值的模型，避免把常识包装成模型清单。

快速流程

1. 确认问题对象、目标、约束、时间范围和用户要做的决策。
2. 如果信息不足，先说明关键假设；必要时只追问 1 到 3 个会改变结论的问题。
3. 判断问题类型：个人决策、商业策略、产品方案、技术选择、组织管理、学习成长、风险评估或社会议题。
4. 从不同学科挑选 4 到 8 个最相关的模型，不机械覆盖所有模型。
5. 对每个模型输出：观察角度、关键洞察、可能误判和行动含义。
6. 做交叉校验：找出模型之间一致的结论、冲突的结论和需要验证的信息。
7. 给出建议：短期行动、长期策略、风险控制、下一步验证。

分析维度

优先从这些维度中筛选，不要求全部使用：

• 系统维度：反馈回路、延迟效应、瓶颈、杠杆点、局部最优与全局最优。
• 经济维度：机会成本、边际收益、沉没成本、激励结构、风险收益比。
• 心理维度：认知偏差、损失厌恶、过度自信、动机、习惯形成。
• 认知偏差与事实验证：事实思维、基准率、数据口径、比例与分布、时间序列、来源可靠性。
• 社会维度：利益相关者、信任、声誉、权力关系、网络效应。
• 技术维度：可行性、复杂度、维护成本、扩展性、技术债。
• 组织维度：协作成本、责任边界、流程摩擦、文化约束。
• 时间维度：短期收益、长期复利、路径依赖、二阶后果。
• 伦理维度：公平性、外部性、隐私、安全、不可逆伤害。

输出要求

• 用中文输出，除非用户明确要求英文。
• 先给结论，再展开分析。
• 每个模型都要服务于当前问题，不解释无关概念。
• 明确区分事实、假设、推断和建议。
• 对建议给出适用条件，不把单一方案说成唯一正确。
• 如果问题涉及医疗、法律、金融投资、政策合规或最新事实，提醒用户需要专业人士或最新资料校验。

推荐结构：

## 核心判断
[1 到 3 句话说明最重要结论]
 
## 问题重构
- 目标：
- 约束：
- 关键假设：
- 真正需要决定的是：
 
## 多维度分析
| 维度/模型 | 看到什么 | 可能误判 | 行动含义 |
|-----------|----------|----------|----------|
 
## 交叉结论
- 一致信号：
- 冲突信号：
- 需要验证：
 
## 建议
- 立即行动：
- 中期策略：
- 风险控制：
- 放弃条件：

参考资料

• 需要更完整的模型池时，按需阅读 references/notes.md。