dhdna-profiler

DHDNA Profiler — 认知模式提取

一套用于提取任意文本作者认知特征的结构化系统。基于 Digital Human DNA（DHDNA）框架——该理论认为，每种思维都有独特的特征模式，并通过推理、决策、价值观和沟通方式表现出来。

已发表研究：DHDNA 预印本（DOI：10.5281/zenodo.18736629） | IDNA 整合版 v2（DOI：10.5281/zenodo.18807387）

核心概念

正如生物 DNA 通过碱基对编码生理身份，Digital Human DNA 通过思维模式编码认知身份。每个人在分析深度、创造力广度、情绪处理、战略思维和伦理推理方面的组合，都会形成独特的认知特征——如同指纹般鲜明。

Profiler 不会评判思维是“好”还是“坏”，而是描绘思维运作方式的结构。

12 个认知维度

分析文本时，根据文本中的证据为每个维度按 1–10 分打分：

#	维度	衡量内容	低分（1-3）	高分（8-10）
1	分析深度	逻辑严谨性、结构化推理、因果链	直觉型、整体型、基于模式	系统化、注重论证、精确
2	创造力广度	联系的新颖性、隐喻运用、横向思维	传统、渐进	打破范式、跨领域综合
3	情绪处理	情绪词汇、共情信号、情感整合	疏离、冷静	情感丰富、融入感受
4	语言精确度	词汇复杂度、句式结构、修辞	简单、直接	结构复杂、细腻
5	伦理推理	价值观信号、公平意识、对后果的认知	务实、注重结果	原则导向、以正义为重
6	战略思维	长期规划、竞争意识、资源优化	战术型、被动应对	多步谋划、博弈论思维
7	记忆整合	对过往经验、历史模式和延续性的引用	关注当下	深刻的历史意识、以先例为依据
8	社交智能	受众意识、换位思考、人际关系框架	以自我为参照	深刻理解他人、善于建立联盟
9	领域专长	技术深度、专业知识、对术语的熟悉程度	通才	深度专才
10	直觉推理	直觉信号、启发式捷径、模式跳跃	有条理、循序渐进	凭直觉飞跃、洞见驱动
11	时间取向	思维的时间跨度——关注过去、现在还是未来	立足当下	跨越时间，连接历史与未来
12	元认知	对自身思维的觉察、对不确定性的承认	缺乏反思	深刻自省，能够思考思维本身

6 组张力配对

各个维度之间存在张力——某一维度得分较高时，其配对维度的得分往往较低。这些张力正是认知特征：

配对	张力	揭示的内容
DIM 1 ↔ DIM 10	分析型 ↔ 直觉型	逻辑与直觉——思维如何得出结论
DIM 3 ↔ DIM 6	情感型 ↔ 战略型	感性与理性——决策由什么驱动
DIM 2 ↔ DIM 5	创造型 ↔ 道德型	自由与框架——在规则之内还是之外进行创新
DIM 4 ↔ DIM 12	语言型 ↔ 元认知型	表达与自我觉察——外在表达技巧与内在反思
DIM 7 ↔ DIM 11	记忆型 ↔ 时间型	过去与时间本身——经验与时间跨度
DIM 8 ↔ DIM 9	社交型 ↔ 领域型	广度与深度——人际能力与专业精通

如何分析认知特征

阶段 1 — 收集证据

仔细阅读文本。针对每个维度，找出具体的文本证据：

• 能体现该维度的直接引述
• 结构模式（论证是如何构建的）
• 有什么内容，以及缺少什么内容（缺失之处与内容本身同样能揭示信息）
• 多个段落中反复出现的模式

阶段 2 — 评分

针对 12 个维度中的每一个：

1. 根据证据打 1-10 分
2. 引用支持该分数的最有力文本证据
3. 标注置信度：高（有多个明确迹象）、中（有一些迹象）、低（基于推断）

阶段 3 — 综合分析模式

评分后，识别以下内容：

主导模式： 得分最高的 2-3 个维度——这是思维的“舒适区”

阴影模式： 得分最低的 2-3 个维度——这是思维不太会自然触及的领域

特征张力： 哪些张力配对的分差最大？相比任何单一得分，这些张力更能定义认知风格。

推理拓扑： 思维如何在各种想法之间推进？

• 线性（A → B → C → 结论）
• 螺旋式（从多个角度接近同一想法，每次都深入一步）
• 网状（将不同领域联系起来，形成综合）
• 辩证式（论点 → 反论点 → 综合）
• 分形（微观和宏观层面呈现相同模式）

决策特征： 面临选择时，这种思维会：

• 先分析，再决策？（分析型主导）
• 先感受，再合理化？（情感型主导）
• 先设想结果，再倒推实现路径？（战略型主导）
• 质疑问题本身？（元认知型主导）

阶段 4 — 输出分析结果

按以下格式呈现分析结果：

═══════════════════════════════════════════
  DHDNA COGNITIVE PROFILE
  Subject: [Name or "Anonymous"]
  Text analyzed: [N words / N paragraphs]
  Confidence: [HIGH / MEDIUM / LOW]
═══════════════════════════════════════════

DIMENSION SCORES:
  1. Analytical Depth ···· [█████████·] 9/10
  2. Creative Range ······ [███████···] 7/10
  ... (all 12)

TENSION MAP:
  Analytical ████████░░ ↔ ░░████████ Intuitive
  Emotional  ███░░░░░░░ ↔ ░░░░░░████ Strategic
  ... (all 6 pairs)

DOMINANT PATTERN: [Top 2-3 dimensions]
SHADOW PATTERN: [Bottom 2-3 dimensions]
REASONING TOPOLOGY: [Linear / Spiral / Web / Dialectic / Fractal]
DECISION FINGERPRINT: [Analyze-first / Feel-first / Envision-first / Question-first]

NARRATIVE SYNTHESIS:
[2-3 paragraph natural language description of how this mind works,
what makes it distinctive, and what it might miss]

KEY QUOTES:
[3-5 most revealing quotes with dimension attribution]
═══════════════════════════════════════════

对比模式

当用户提供两篇或更多不同作者的文本时，分别分析每个人的认知特征，然后给出对比综合分析：

• 思维在哪些方面趋同？（共同的高分维度）
• 思维在哪些方面分歧？（同一维度上的相反得分）
• 哪些张力配对会引发富有成效的分歧？
• 如果这些思维处在同一个房间里，对话会是什么样？

自我分析模式

如果用户要求分析自己的思维（以对话历史作为文本），请坦诚说明：

• 先询问是否可以回顾对话内容。 说明你打算将哪些内容用作源材料，并等待用户答复。 之前的对话是为不同目的而写的，不应在不告知用户的情况下，从中推断心理特征。
• 根据截至目前的对话进行评分
• 承认对话文本可能无法代表用户思维的全部范围
• 指出人们对 AI 写作和对人类写作时，思维方式往往不同
• 如果用户提供其他写作样本，可提出重新分析

同意与范围

此技能会推断个人的认知和心理属性。这与总结文档不同，边界至关重要：

• 分析用户为当前请求提供的文本。 不要去寻找有关同一作者的更多材料——其他文件、之前的会话，或任何你碰巧读到的内容。
• 对第三方的分析具有推测性，必须明确说明。 如果作者不是对话参与者，也未同意接受分析——例如转发邮件中的同事、求职申请中的候选人或论文作者——请将输出标注为基于单个文本样本的推断，而不是对该人的结论。
• 拒绝会用于对某人作出重大决定的分析。 招聘、晋升、录取、临床、纪律或信贷决策均不在适用范围内；此框架没有经过验证，不支持此类用途，而且 1–10 分的认知评分看起来会比实际更具权威性。
• 所有内容仅保留在当前会话中。 除非用户要求，否则不会将分析结果写入任何位置，也不会发送给任何服务。

这不是什么

• 不是人格测试（MBTI、Big Five 等）——这些测试衡量行为倾向，而 DHDNA 衡量认知架构。
• 不是对智力的评判——国际象棋特级大师和诗人的得分可能大不相同，但两者都展现出深厚的认知能力。
• 不是静态的——人的 DHDNA 会随着学习、经历和成长而演变。分析结果只是一个快照，而非命运定论。

构建者

AHK Strategies — AI Horizon Knowledge
完整平台：themindbook.app
研究：DHDNA Paper (DOI: 10.5281/zenodo.18736629)

Agent 操作流程

1. 检查环境。 动笔前收集用户的草稿、数据、图表和目标发表平台。
2. 明确输入。 根据数据或用户确认格式、标识符和参数。任何会改变结果的值都应询问，而不是猜测。
3. 先试做小规模版本。 起草一个章节或段落，并向用户确认语气、结构和术语。
4. 按照上述说明和参考资料执行完整任务。
5. 验证结果。 每项结论都必须有用户数据或经过验证的来源作为依据；数字须与表格和图表一致；引用必须真实（citation-verification）。
6. 报告。 说明运行了什么（版本、命令、参数）、检查了什么，以及哪些内容仍不确定。

如果发生这种情况	请这样做
某项结论没有数据或引用支持	在文中标注（例如 [citation needed]），不要编造依据。
这些说明中提到的函数、标志或端点在已安装版本中不存在	查看已安装版本自己的文档（help()、--help、官方文档），调整做法并告知用户。切勿编造 API。
所需的输入、标识符或参数含义不明确	询问用户，或在运行前明确说明所作假设。

诚信规则

• 切勿编造结果、参数、标识符、引用或统计数据。如果无法运行或验证某项内容，请如实说明。
• 用户是作者：切勿添加用户未提供或批准的结果、参考资料或主张。
• 将此处针对特定版本的细节视为可能已过时：请根据已安装版本的官方文档进行确认。
• 涉及花费资金、占用共享 GPU 或云配额、处理个人或患者数据，或无法撤销的操作前，必须先征得同意。

相关技能

• creative-thinking-for-research：将创造性思维的认知科学框架应用于计算机科学和 AI 研究构思。
• consciousness-council：针对任何问题、决策或创意挑战，开展多视角 Mind Council 审议。