Skip to content

kangarooking/cognitive-dividend-skill

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

4 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Cognitive Dividend Skill

一套可直接使用的 AI skill 工具包——把《认知红利》中的思维升级方法论拆成了 15 个可单独触发、也可组合调用的认知工具模块。

这不是一本书的摘要页。书是这些 skill 的来源,不是首页主角。

这套 skills 能解决什么问题

  • 感觉自己很忙但产出不高,不知道注意力花在了哪里
  • 想升级思维方式,但不知道从哪里开始、怎么练
  • 面对复杂问题只会拍脑袋,缺少结构化分析和系统思考
  • 想做决策但总在两个选项间纠结,不知道还有第三选择
  • 想理解趋势和势能,而不是只盯着眼前的努力

蒸馏了什么

从《认知红利》(谢春霖,2019)中提取了 15 个经过三重验证的 skill,覆盖五个维度:

  • 重新理解财富attention-management(注意力管理)、time-merchant(时间商人四模式)、compound-effect(复利效应设计)
  • 重新理解自己nlp-levels(NLP 六层模型)、metacognition-control(元认知三阶段)、multi-dimension-ability(多维能力打造)
  • 重新理解世界potential-energy(势能差与点线面体)、mirror-world(镜像世界与四域空间)
  • 思维力提升brain-unseal(大脑封印解除)、dialysis-prism(透析三棱镜)、structured-thinking(结构化思维与 MECE)、systems-thinking(系统性思维)
  • 解决问题scientific-decision(科学决策四步法)、evolution-strategy(演化策略)、innovation-method(创新方法论)

效果示例

示例 1:面对一个复杂决策

用户问题

"我在两个工作 offer 之间纠结,一个钱多但不稳定,一个稳定但天花板低。怎么选?"

skill 如何判断

  • 触发 nlp-levels,把决策从"行为层"拉升到"身份层"和"愿景层"
  • 调用 scientific-decision,用四步法把选择题变成计算题
  • 如果涉及长期路径,补充 compound-effectpotential-energy

最终回答示例

不要在两个选项之间二选一,先往上跳一层:你想成为什么样的人?这个问题的答案会直接决定哪个选项根本不值得纠结。然后再用科学决策四步法:先明确目的(不是"选哪个工作",而是"五年后我想在哪"),再穷举方案(不止这两个 offer),再用条件筛选,最后才打分比较。大多数纠结不是因为两个选项差不多,而是因为你在错误的层次上做选择。

示例 2:团队效率低下

用户问题

"团队每天都很忙,但关键项目一直推进不了,问题出在哪?"

skill 如何判断

  • 触发 attention-management,检查注意力黑洞
  • 调用 systems-thinking,看是不是系统结构问题而不是个人问题
  • 补充 structured-thinking,把混乱的信息梳理清楚

最终回答示例

先判断问题在哪一层:如果每个人都在忙但产出不达标,大概率不是"不够努力"的问题,而是注意力的分配出了问题。最常见的三个黑洞是:被动响应(消息驱动工作)、碎片切换(频繁切换任务)、低效重复(手动做应该自动化的事)。再看系统结构:激励是否导向了错误的行为?反馈回路是增强的还是平衡的?多数"忙但无效"的本质是系统结构把注意力吸到了低杠杆位置。

这些 skill 是怎么生成出来的

这套 skill 使用 cangjie-skill 的 RIA-TV++ 流水线生成,整个流程分六个阶段:

  1. 整书理解(Adler 分析)——用 Mortimer Adler 的分析阅读法,对全书做结构、解释、批判、应用四步拆解,产出 BOOK_OVERVIEW.md
  2. 并行提取——同时派 5 个专项提取器(框架、原则、案例、反例、术语),从原文中提取候选方法论单元
  3. 三重验证筛选——每个候选必须通过三项检验:书中至少有 2 处独立佐证(跨域)、能回答书中未明说的新问题(预测力)、不是常识(独特性)
  4. RIA++ 构造——将验证通过的内容按 R(原文引用)/ I(用自己的话重写)/ A1(书中案例)/ A2(未来触发场景)/ E(可执行步骤)/ B(边界与盲点)六个维度结构化
  5. Zettelkasten 链接——找出 skill 之间的依赖、对比、组合关系,生成 INDEX.md 和引用图
  6. 压力测试——为每个 skill 设计包含诱饵题的测试用例,未通过的回炉重做

Generated by Cangjie Skill

本仓库由 cangjie-skill 生成——一个把书蒸馏成可执行 AI skills 的开源工具链。

cangjie-skill 基于 RIA-TV++ 方法论,将书籍中的方法论、框架、原则提取为原子化的 skill,可被 AI agent 在真实场景中直接调用。

仓库结构

cognitive-dividend-skill/
├── README.md              ← 你正在看的
├── README.en.md           ← English version
├── README.ja.md           ← 日本語版
├── LICENSE                ← MIT
├── BOOK_OVERVIEW.md       ← 阶段 0 产出:全书 Adler 分析
├── INDEX.md               ← 阶段 3 产出:skill 总览 + 引用图
├── candidates/            ← 阶段 1 产出:原始候选单元
├── rejected/              ← 阶段 1.5 产出:被淘汰的单元 + 原因
├── verified.md            ← 通过三重验证的 15 个单元
└── */SKILL.md             ← 15 个 skill,每个附带 test-prompts.json

如何使用

  1. 浏览 INDEX.md 了解 skill 全景图和依赖关系
  2. 找到与你当前问题相关的 */SKILL.md,直接使用里面的触发条件和执行步骤
  3. 将 skill 接入你的 agent 框架,或把 prompt 作为独立工具使用
  4. test-prompts.json 验证 skill 在正确场景下触发、在错误场景下不触发

来源

  • 书籍:《认知红利》
  • 作者:谢春霖
  • 出版年:2019

More Skills

关于作者

袋鼠帝 kangarooking — AI 博主,独立开发者。AI Top 公众号「袋鼠帝 AI 客栈」主理人

火山引擎领航 KOL,百度千帆开发者大使,GLM 布道师,Trae 昆明第一任 Fellow

平台 链接
𝕏 Twitter(袋鼠帝) https://x.com/aikangarooking
小红书(袋鼠帝) https://xhslink.com/m/5YejKvIDBbL
抖音(袋鼠帝) https://v.douyin.com/hYpsjphuuKc
公众号 袋鼠帝 AI 客栈
视频号 AI 袋鼠帝

微信公众号「袋鼠帝 AI 客栈」二维码:

License

MIT. See LICENSE.

About

把《认知红利》中的思维升级方法论蒸馏成 15 个可执行的 AI skill 工具包

Topics

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors