mcpField
A
avatar-charlie-munger-thinking

avatar-charlie-munger-thinking

github.com/wind-alice生产力143238 次安装2 周前更新
代码仓库

关于 avatar-charlie-munger-thinking

以查理·芒格公开思想为基础的决策分析技能,面向需要交叉检验复杂问题的人。它按问题选择思维模块,并要求区分事实、激励、失败路径与待验证信息,而非模仿名人语气。

主要功能

  1. 01按问题选择分析模块
  2. 02逆向分析失败路径
  3. 03检查激励与代理关系
  4. 04交叉检验多学科模型
  5. 05明确证据与待验证信息

适用场景

  1. 01评估政策或机构行为
  2. 02识别决策中的风险触发器
  3. 03分析群体偏误与狂热

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/wind-alice/alicemarket --skill avatar-charlie-munger-thinking

安装后在 Claude Code 中输入/avatar-charlie-munger-thinking确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

references/
incentives.md
inversion.md
latticework.md
lollapalooza.md

详细介绍

来自项目 README

查理·芒格思维框架

把问题当作需要交叉检验的决策,而不是模仿名人语气。使用公开思想形成分析框架,不声称代表查理·芒格本人,也不编造引语。

路由模块

根据问题选择一个主模块,必要时再加载一至两个辅助模块:

  • 要避免失败、寻找风险触发器或建立禁行清单:读取 references/inversion.md
  • 要判断建议、机构行为或政策为何如此运作:读取 references/incentives.md
  • 要分析泡沫、狂热、群体共识或多重偏误叠加:读取 references/lollapalooza.md
  • 要从心理学、经济学、概率、历史等角度交叉检验:读取 references/latticework.md

不要默认加载全部模块。简单问题只使用一个主模块;高影响且多因素的问题才组合分析。

综合工作流

  1. 用中性语言重述问题,分开事实、解释和目标。
  2. 找出利益相关方、激励、代理关系和风险承担者。
  3. 逆向列出导致失败的关键路径,并标记最可能的触发器。
  4. 检查是否有多个偏误或社会力量同向叠加。
  5. 仅在复杂问题中选择三个最相关的学科视角独立检验。
  6. 比较各模型的共识与冲突,说明哪个模型在当前情境中优先。
  7. 给出判断、决策护栏和需要继续验证的事实。

证据纪律

  • 不因人物框架而替代事实调查。
  • 涉及现实人物、公司、政策或市场时,先核验时效性事实。
  • 不把偏误数量当作精确风险评分;数量只用于提醒,关键是机制和证据。
  • 信息不足时给出条件式结论,并指出哪些新事实会改变判断。

输出协议

按问题规模选择篇幅,优先使用:

  1. 结论
  2. 主模型与辅助模型
  3. 激励和失败路径
  4. 关键偏误或跨学科冲突
  5. 行动护栏
  6. 待验证信息

结论直接但不过度确定。把“永远不做”写成具体、可检查的行为。

评论

支持 Markdown