关于 mental-model-library
mental-model-library 是一种推理技能,帮助用户将多个学科的思维模型用于复杂问题和决策。它通过逆向思考、跨学科模型与偏差检查来组织分析。
主要功能
- 01逆向推演以识别失败模式
- 02应用跨学科思维模型
- 03寻找模型与偏差的叠加效应
- 04依据认知倾向清单检查结论
适用场景
- 01评估高风险或不可逆决策
- 02分析项目失败或竞争对手
- 03通过事前验尸发现潜在风险
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ joellewis/ skill-library --skill mental-model-library安装后在 Claude Code 中输入/mental-model-library确认已加载。
详细介绍
概述
“心智模型”是对事物运作方式的表征——一幅简化的现实地图。此技能提供了来自主要学科(物理学、生物学、心理学、数学)的“心智模型格架”,以避免“手里只有锤子,看什么都是钉子”综合征——也就是因为你只有一种工具,就把每个问题都当成钉子来处理的倾向。
铁律
NO COMPLEX ANALYSIS WITHOUT CHECKING FOR APPLICABLE MENTAL MODELS
只依靠直觉,必然会让你落入可预测的认知偏见。系统地应用模型,是抵御人类误判的唯一防线。
状态机
digraph mental_model_flow {
"Problem Identified" [shape=doublecircle];
"Invert: Define Failure" [shape=box];
"Filter: Identify Core Discipline" [shape=box];
"Apply: Select 2-3 Models" [shape=box];
"Gate: Bias Check" [shape=diamond];
"Synthesize: Find Intersections" [shape=box];
"Decision/Insight" [shape=doublecircle];
"Problem Identified" -> "Invert: Define Failure";
"Invert: Define Failure" -> "Filter: Identify Core Discipline";
"Filter: Identify Core Discipline" -> "Apply: Select 2-3 Models";
"Apply: Select 2-3 Models" -> "Gate: Bias Check";
"Gate: Bias Check" -> "Synthesize: Find Intersections" [label="clean"];
"Gate: Bias Check" -> "Filter: Identify Core Discipline" [label="bias found"];
"Synthesize: Find Intersections" -> "Decision/Insight";
}
何时使用此技能
- 当问题似乎陷入僵局或反复出现时。
- 做出不可逆决策之前(例如产品转型、重要招聘、进入市场)。
- 分析竞争对手为何成功,或项目为何失败时。
- 进行“事前验尸”以发现隐藏风险时。
何时不应使用此技能
- 用于常规、低风险的运营任务,此时速度比深度更重要。
- 目标是创意表达而非客观分析时。
核心流程
第 1 步:始终反转思考
不要问“我如何才能成功?”,而要问“怎样才能彻底失败?”。明确失败的条件,再倒推如何避免(来源:Munger)。
第 2 步:穿行于模型格架
至少运用来自三个不同学科的模型分析问题:
- 物理学: 是否存在不断增加的熵(无序)?是否有杠杆点?
- 生物学: 行为是否由激励机制驱动?是否存在红皇后效应(为了留在原地而奔跑)?
- 化学: 启动这项变革所需的活化能是否充足?(来源:Parrish)。
第 3 步:识别多重效应
寻找多个偏见或模型朝同一方向共同作用的节点。当 3 个或更多模型趋于一致时,结果会呈现非线性且影响巨大(来源:Munger)。
第 4 步:运行误判检查清单
根据25 种心理倾向(例如从众心理、互惠、可得性偏差)检查你的结论,确保没有自欺欺人(来源:Munger)。
模型注册表(仅列高杠杆模型)
| 学科 | 模型 | 原理(来源:Parrish/Munger/Bevelin) |
|---|---|---|
| 思维 | 反转思考 | 将问题倒过来看,找出应当避免的情况。 |
| 思维 | 第一性原理 | 将系统拆解为基本真理,再从头构建。 |
| 物理学 | 熵 | 无序会自然增加;秩序需要能量。 |
| 物理学 | 杠杆 | 在恰当的节点施加微小投入,可产生巨大产出。 |
| 生物学 | 进化 | 不适应的个人和组织会走向灭亡。 |
| 生物学 | 激励机制 | “告诉我激励机制,我就能告诉你结果。” |
| 系统 | 反馈回路 | 输出回流至输入(恶性或良性循环)。 |
| 心理学 | 从众心理 | 我们会参考他人来判断正确的行为方式。 |
| 心理学 | 损失厌恶 | 失去的痛苦比获胜的喜悦强 2 倍。 |
跨技能调用
- 必需的子技能:getting-started — 在应用模型之前,将问题分流到正确的类别。
- 推荐的子技能:decision-frameworks — 将心智模型分析的输出形式化。
- 推荐的子技能:devils-advocate — 使用反转思考作为压力测试工具。
合理化借口对照表
| 想法 | 现实 |
|---|---|
| “我没时间逐一分析 100 个模型。” | 你只需要掌握 5–10 个“大思路”,就能发现 90% 的错误。 |
| “这是商业问题,不需要物理学。” | 经济系统同样受规模和极限规律的制约。 |
| “我已经知道事情为什么会这样了。” | 你的“认知”往往只是掩盖认知偏见的一种说法。 |
| “心智模型不过是常识的花哨名称。” | 常识并不常见;模型能让它变得系统且可重复。 |
危险信号
- “锤子人” → 你在强行让问题符合自己最喜欢的模型(例如,只关注激励因素)。
- “确认偏误” → 你只寻找支持当前计划的模型。
- “忽视规模” → 你认为在小规模下(初创企业)有效的模型,在大规模下(企业级)也同样有效。
诊断清单
- 我是否对问题进行了反向思考,以找出“如何失败”?
- 我是否应用了至少三个不同学科的模型?
- 我是否检查了多重效应(多种力量汇聚的影响)?
- 我是否审查了社会认同或激励偏误?
- 我是否在自己的能力圈内行事?
来源
- Munger, Charles. Poor Charlie’s Almanack,第 11 场演讲(人类误判心理学)。
- Parrish, Shane. The Great Mental Models,第 1 卷(一般思维),第 2 卷(科学)。
- Bevelin, Peter. Seeking Wisdom,第 2 章(心理学),第 3 章(物理学/数学)。
评论
支持 Markdown