origin-thinking
Skill0 starsChanged 4 months agoApache-2.0View on GitHub
第一性原理思维框架,剥掉假设回到事实重新推理,四镜工具(溯本/观实/破执/承道)按需选用。
In this repository6 other files it gives its agents.
- archiveSkill
- bifrostSkill
- context-guardSkill
- kernel-securitySkill
- safe-path-migrationSkill
- semantic-stitching-guardSkill
The file
Files
源解(Origin Thinking)
剥掉所有假设,回到最基本的事实,从此重新推理。
核心原则
- 摇本溯源 - 不清楚来龙去脉时,先追根背景和历史决策。
- 观实求是 - 需要结论时,拿文档、数据、实测结果说话。
- 破执见真 - 觉得哪里有问题时,质疑假设,找反面证据。
- 承道固化 - 验证过的结论写下来,防止重蹈覆辙。
四镜工具详解
四镜是四种独立工具,不是四步流程。拿起一个就够时不要凑四个,用完一个就放下。
🔍 溯本镜——追根背景和历史决策
什么时候用:不清楚来龙去脉时、理解陌生概念时、争论历史决策时。
具体动作:
- 定起点:这个事物/概念/决策是什么时候出现的?谁提出的?
- 找原始:最初的设计文档、创始声明、原始讨论
- 理时间线:梳理 3-5 个关键历史节点,每个节点发生了什么
- 挖动机:当时为什么这么做?有什么约束条件?那些约束现在还成立吗?
输出格式:
背景时间线:
- YYYY-MM-DD:[事件1] — [关键决策/变化]
- YYYY-MM-DD:[事件2] — [关键决策/变化]
原始动机 vs 现状对比:
- 当初的目标:...
- 现在的情况:...
- 变了什么,没变什么常见误区:
- ❌ 只搜背景,不和当前问题挂钩(知识炫富)
- ❌ 时间线堆了很多,但没有因果关系
📊 观实镜——拿数据和事实说话
什么时候用:需要确认事实时、验证传闻时、做决策前。
具体动作:
- 列事实清单:把需要验证的核心事实列出来(不超过 3 个,多了说明问题没定义清楚)
- 找一手来源:官方文档、代码、实测数据、原始论文——避免二手转述
- 标可信度:每个事实标注可信度等级(S/A/B/C)
- 区分事实和观点:哪些是确定的事实,哪些是别人的观点/解读
可信度等级:
| 等级 | 含义 | 标准 |
| S | 确定事实 | 一手数据/官方文档/可复现的实测结果 |
| A | 大概率可信 | 多方交叉验证的信息 |
| B | 待验证 | 单一来源/间接证据 |
| C | 存疑 | 匿名/传闻/无来源 |
输出格式:
事实清单:
1. [事实描述] — [来源] — [S/A/B/C级]
2. [事实描述] — [来源] — [S/A/B/C级]
未证实的:
- [待验证的点] — 为什么存疑常见误区:
- ❌ 只找支持自己预设的事实(确认偏误)
- ❌ 把"大家都这么说"当成事实
- ❌ 事实列了一堆,但和问题无关
💥 破执镜——质疑假设,找反面证据
什么时候用:觉得哪里不对但说不上来时、观点冲突时、方案有争议时。
具体动作:
- 挖假设:当前推理背后有哪些隐含假设?把显性+隐性的都列出来
- 逐问:对每个假设问"如果这个不成立,会怎样?"
- 找反证:主动搜索反面证据、反例、异常数据、反对观点
- 辨边界:区分"不可能"和"我没见过",区分"不成立"和"还没证实"
假设挖掘清单:
- 这个方案默认了什么前提?
- 哪些是我认为理所当然但可能不对的?
- 如果站在反对方角度,会从哪里攻击?
- 有没有异常数据/反例被我忽略了?
输出格式:
隐含假设清单:
1. [假设描述] — [已验证/存疑/已证伪] — [证据]
2. [假设描述] — [已验证/存疑/已证伪] — [证据]
反面证据:
- [反例/异常数据/反对观点] — [来源]
如果核心假设不成立,则:[后果分析]常见误区:
- ❌ 只会拆不会建——质疑了关键假设,但没有重建
- ❌ 为了破执而破执——什么都不信,变成怀疑主义
- ❌ 找到一个反例就全盘否定——忽视证据权重
📝 承道镜——把验证过的结论写下来
什么时候用:踩过坑之后、想清楚一个重要问题之后、总结出可复用方法之后。
具体动作:
- 提炼结论:从这次经历中,提炼出可复用的结论/原则/方法
- 划边界:明确适用范围——什么情况下成立,什么情况下不成立
- 写下来:写入合适的持久化位置(个人笔记/团队 wiki/skill 文档)
- 标来源:附上这次的具体案例,作为结论的佐证
输出格式:
结论/原则:
[一句话结论]
适用范围:
- ✅ 适用于:[场景A]、[场景B]
- ❌ 不适用于:[场景C]、[场景D]
来源案例:[这次的具体情况]常见误区:
- ❌ 每件事都要承道写下来——想清楚了就够了,不必每件都固化
- ❌ 结论没有适用边界——放之四海而皆准的真理通常是废话
- ❌ 写下来就再也不看了——承道不是归档,是拿来用的
快速诊断表
不知道该用哪个镜?对照下表:
| 你遇到的情况 | 推荐从哪切入 |
| "这东西到底是怎么来的?" | 溯本镜 |
| "他们说的是真的吗?" | 观实镜 |
| "总觉得哪里不对,但说不上来" | 破执镜 |
| "这个坑下次不能再踩了" | 承道镜 |
| "我也不知道问题在哪" | 观实镜 → 破执镜 |
| "方案A和方案B选哪个" | 观实镜(拿数据)→ 破执镜(查假设) |
| "学个新概念看不懂" | 溯本镜(追起源)→ 观实镜(查实例) |
使用示例
示例 1:技术选型争议(从破执切入)
场景:团队争论"要不要用微服务架构",双方各执一词。
破执镜切入:
- 列假设:微服务在当前场景比单体更合适?(B级,需验证)
- 找反证:哪些公司上了微服务反而更慢了?(找案例)
- 辨边界:微服务适合什么规模/什么团队/什么阶段?
然后观实镜验证:
- 我们团队现在的团队规模?(S级,事实)
- 当前的业务复杂度?(S级,事实)
- 微服务的成功案例和失败案例各有多少?(A级,需交叉验证)
最后承道镜总结:
- 结论:[我们当前阶段适合/不适合微服务]
- 适用边界:[什么时候该上,什么时候不该上]
示例 2:理解陌生概念(从溯本切入)
场景:第一次听到"第一性原理"这个词,不知道到底是什么意思。
溯本镜切入:
- 谁提出来的?(亚里士多德 → 马斯克推广)
- 原意是什么?(哲学上的"第一因")
- 怎么火起来的?(马斯克采访带火)
- 现在大家怎么用的?(和演绎推理/和批判性思维)
观实镜验证:
- 有哪些具体案例?( SpaceX 火箭成本拆解案例)
- 哪些是事实哪些是演绎?(事实:SpaceX确实降了成本;演绎:因为用了第一性原理)
示例 3:验证一个传闻(从观实切入)
场景:听说"某框架性能比 Y 框架快 10 倍"。
观实镜切入:
- 找原始 benchmark 数据(S级?还是营销文章?)
- 测试条件是什么?(什么场景下快10倍?还是泛化表述?)
- 有没有第三方独立验证?(还是厂商自己测的?)
破执镜检查:
- 有没有反过来的测试结果?
- 这个"快"是吞吐量还是延迟?
- trade-off 了什么?(用易用性?生态?)
反模式清单
| 反模式 | 表现 | 危害 |
| 伪溯本 | 搜了一圈背景,但和当前问题无关 | 知识炫富,浪费时间 |
| 伪观实 | 找了很多数据,但都是支持预设结论的 | 确认偏误,自欺欺人 |
| 伪破执 | 质疑了关键假设,但没有重建 | 只会拆不会建,怀疑主义 |
| 伪承道 | 写了一堆结论,但没有适用边界 | 教条主义,到处乱套 |
| 四镜齐射 | 不管什么问题都 1→2→3→4 走一遍 | 填表格,不是思考 |
| 走过场 | 每镜都碰一下,但都不深入 | 给了"我分析过了"的错觉 |
与其他技能的协同
| 协同技能 | 协同方式 |
| context-guard | 溯本/观实时大量读资料,需要 context-guard 防止上下文溢出 |
| crossweb | 观实阶段需要全网搜索验证事实 |
| bifrost | 破执阶段可以找另一个 Agent 辩论,从对面角度找反证 |
| archive | 承道阶段的结论可以写入归档,长期沉淀 |
最小执行单元
输入:
- 问题、争议点、当前已知事实和希望得到的判断。
执行:
- 从四镜中选择最合适的一镜或两镜,不强行走全流程。
- 先明确事实,再拆假设,最后给出边界化结论。
- 必要时调用 crossweb 或 semantic-stitching-guard 补证据。
输出:
- 使用了哪一镜。
- 核心事实、关键假设和结论。
- 结论适用边界。
完成标准:
- 问题被拆到可判断层。
- 结论有事实支撑和边界。
- 没有为了套框架而增加无效分析。
失败处理:
- 事实不足:转入观实镜或请求补充材料。
- 假设冲突:列出分歧,不强行收敛。
- 结论不可判定:给出下一步验证点。
禁止事项
- ❌ 拿到问题就 1→2→3→4 走一遍——这是填表格,不是源解
- ❌ 走完四步但每步都是走过场——比不用还糟,给了"我分析过了"的错觉
- ❌ 每件事都要承道写下来——想清楚了就够了
- ❌ 只会破执不会重建——拆完要有建设性输出
不是什么
- 不是思维模型科普——用它来解决眼前的问题
- 不是分析框架——不产出"分析报告",产出可验证的事实和结论
- 不是固定流程——没有"第一步必须溯本"这回事
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

