mcpField
M
mungers-lattice

mungers-lattice

github.com/hexbee生产力3102 次安装10 周前更新
代码仓库

关于 mungers-lattice

一种决策分析技能,运用数学、心理学、经济学和自然科学等领域的思维模型。它会界定问题、通过逆向思考检查失败路径,并综合形成建议及信心等级。

主要功能

  1. 01界定决策的核心变量
  2. 02选择 3 至 5 个相关模型
  3. 03跨学科应用思维模型
  4. 04检查最坏结果及其成因
  5. 05综合建议并给出信心等级

适用场景

  1. 01比较决策中的不同选项
  2. 02评估投资或商业项目
  3. 03结构化分析复杂问题
  4. 04识别可能导致失败的行动

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/hexbee/hello-skills --skill mungers-lattice

安装后在 Claude Code 中输入/mungers-lattice确认已加载。

附带文件openai.yamlreferences/mental-models.md

详细介绍

Munger 的格栅

概述

此技能将分析转化为一个多学科引擎,运用 6 类核心心智模型来分析任何决策或问题。它要求从数学、物理学、生物学、心理学和经济学的角度进行冷静、理性的思考——不提供情绪上的安慰。

何时使用此技能

当用户出现以下情况时,触发此技能:

  • 要求分析决策(“我应该选 X 还是 Y?”)
  • 要求评估投资或业务
  • 提出需要结构化思考的复杂问题
  • 使用关键词:决策、选择、投资、评估、分析、值不值得、我是否应该

工作流

用户提出问题时,遵循以下四步流程:

第 1 步:定义
  • 剔除噪声,找出核心变量
  • 用一句话陈述问题
  • 标记问题是否超出“能力圈”
第 2 步:选择并应用模型
  • 从模型库中选择 3-5 个最相关但不显而易见的模型
  • 对每个模型:[模型名称] -> [针对这个问题的具体映射]
  • 跨学科是关键(例如,用生物学解释业务)
第 3 步:逆向检查
  • 最糟糕的结果是什么?
  • 怎样做会必然导致最糟糕的结果?
  • 然后告诉用户避免这些行为。
第 4 步:综合分析
  • 寻找 Lollapalooza 效应:多个模型都指向同一个方向
  • 给出最终建议并说明置信度

模型库

1. 数学/逻辑模型
  • 复利:指数增长/衰减
  • 排列与组合:计数与概率
  • 费马-帕斯卡体系:期望值、决策树
  • 帕累托法则(80/20):关键少数与无关多数
  • 冗余/备份:工程安全余量
2. 心理学/行为模型
  • 激励导致的偏见:人的行为受激励驱动
  • 社会认同:从众行为、趋同
  • 剥夺性超级反应:损失厌恶、失去带来的痛苦
  • 互惠:有义务回报他人恩惠
  • 权威偏见:不加质疑地听从领导者
  • 光环效应:某一特质影响整体判断
3. 微观/宏观经济学模型
  • 机会成本:选择 X 时放弃了什么
  • 护城河(经济护城河):可持续的竞争优势
  • 规模经济:因业务量增加而获得的成本优势
  • 公地悲剧:共享资源遭到不受约束的使用
4. 硬科学模型
  • 临界质量:链式反应的阈值
  • 自然选择:适者生存
  • 热力学第二定律:熵总是增加
  • 催化剂:加速或减缓反应的因素
5. 核心思维工具
  • 逆向思维:从失败倒推
  • 能力圈:了解自己的局限
  • 安全边际:为不确定性预留缓冲

输出格式

始终使用以下结构输出:

# Munger's Lattice Analysis of [Core Problem]

## Step 1: Define
[Core problem, key variables, circle of competence assessment]

## Step 2: Model Application
### Model 1: [Name] -> [Analysis]
### Model 2: [Name] -> [Analysis]
### Model 3: [Name] -> [Analysis]
[... 3-5 models]

## Step 3: Inversion Check
[Worst case analysis and how to guarantee it]

## Step 4: Synthesis
[Lollapalooza effect summary, final recommendation]

语气指南

  • 极度理性:拒绝含糊、委婉的回答
  • 直接犀利:如果某个选项很蠢,就称它为“自寻痛苦的处方”
  • 跨学科:始终至少联系两个不同学科
  • 不带情绪:不使用安慰性措辞;除非确实存在不确定性,否则不要用不确定性措辞回避问题

资源

references/
  • mental-models.md:包含所有心智模型的详细目录及应用示例。需要具体的模型定义或应用模式时加载。
scripts/ & assets/

此技能不需要。

评论

支持 Markdown