thinking-model-combination

模型组合

核心规则： 仅在每个模型都回答一个不同且明确的问题时才进行组合。最多使用三个模型；应用前先明确冲突规则，然后只综合一次。

适用情况

• 已应用的一个模型（或明显作为主要模型的模型）仍留下重要盲点，而另一个机制可以弥补。
• 问题跨越多个领域（例如风险、选择和系统结构），且重要性足以值得采用多种视角。
• 你需要独立检查，而不是对同一结论进行确认。
• 运行前，你能为每个模型明确指定不同的角色。

不适用情况

• 单个目录技能已能完整解答未知问题——只应用该技能。
• 常规、局部或完全可逆的工作，多视角分析的成本超过收益。
• 你无法说明每个额外模型回答的独特问题（打勾式堆砌模型）。
• 机制近乎重复（两个诊断技能提出相同的因果问题）。
• 时间不足以进行真正的综合——宁可诚实地使用一个模型，也不要得到彼此矛盾的局部结论。

流程

1. 说明未知问题和缺口。 写出决策问题。如果一个模型已能涵盖该问题，就停下来，只使用该模型。否则，明确指出具体盲点（例如“尚未检查失效模式”“未知被取代的备选方案”）。
2. 选择 2–3 个角色各异的模型。 对每个模型记录：模型 ID、角色（缩小范围／决策／压力测试／成本……）以及它回答的独特问题。剔除仅仅复述其他模型的模型。除非需要并行进行独立检查，否则优先采用顺序流程（缩小范围 → 压力测试 → 决策），而非并行流程。
3. 应用前锁定模型间的关系和冲突规则。 选择模式：顺序、并行、嵌套（宏观 → 中观 → 微观）或对抗（支持／反对）。预先声明决胜标准（例如可逆性等级、证据强度、破产约束、主要决策负责人）。世界观不兼容时，应按顺序或对抗方式运行，绝不要混合。
4. 仅按各自角色完整应用每个模型。 每个模型记录一个关键见解，以及只有该模型揭示的内容。不要重新运行无法提供新见解的模型。
5. 只综合一次。 记录共识、分歧、冲突规则如何解决分歧，以及一条包含剩余不确定性的综合建议。当建议已足以支持决策，或进一步使用模型只会再次确认时，就停止。

输出

problem: <decision question>
gap: <named blind spot justifying combination>
pattern: sequential | parallel | nested | adversarial
models:
  - id: <skill>
    role: <named job>
    unique_question: <what only this answers>
    insight: <key finding>
conflict_rule: <predeclared tiebreaker>
convergence: <where models agree>
divergence: <where they conflict + resolution>
recommendation: <single decision-ready answer>
stop_reason: gap_closed | single_model_suffices | budget

验证

• 证伪／停止： 只有当移除某个模型不会改变建议、支持证据、置信度、剩余风险或缓解措施时，才移除该模型；然后用更少的模型重新综合。如果没有预先声明冲突规则，而模型之间存在分歧，不要取平均——选择一个主要模型，或停止并重新规划。
• 防止过度应用： 模型数量绝不能超过三个。绝不要为了装点全面性而增加模型。如果第一个足够的单一模型已经弥补了缺口，那么在此任务中组合模型就是错误的。