第一阶段：通用底层思维 · 子Skill
> 版本: v1.0
> 创建: 2026-04-09
> 维护者: 龙龟神将
> 父Skill: 思维模型库
> 一句话定义: 安装认知系统的"操作系统"，15个决定思考高度的底层思维模型
---
一、核心定位
1.1 在思维模型库中的位置
```
思维模型库（父Skill）
├── 第一阶段：通用底层思维（本子Skill）← 当前位置
│ ├── 第一性原理
│ ├── MECE分析法
│ ├── 中庸思维
│ ├── 熵减思维
│ ├── 金字塔原理
│ ├── 因果思维
│ ├── 帕累托原则
│ ├── 知行合一
│ ├── SCQA模型
│ ├── 顺势而为
│ ├── 数据驱动思维
│ ├── 能力圈思维
│ ├── 极简思维
│ ├── 贝叶斯更新
│ └── 闭环思维
├── 第二阶段：自我认知与定位
├── 第三阶段：能力与工具匹配
├── 第四阶段：最小闭环验证
├── 第五阶段：规模化复制
└── 第六阶段：价值跃迁与生态
```
1.2 与父Skill的关系
被调用方式：由龙心OS路由至思维模型库，再分发到本子Skill
独立调用：支持直接调用（如"第一性原理分析"）
组合调用：可与其他阶段模型组合使用
---
二、15个模型详解
模型1：第一性原理
基本信息：
来源：马斯克/芒格
核心：剥开表象，追问事情最本质的一点
AI结合：AI辅助本质拆解
操作步骤：
1. 识别现状：描述当前问题或方案的表面形式
2. 拆解要素：将问题拆解为最基本的构成要素
3. 质疑假设：逐一质疑每个要素的必要性和真实性
4. 重构方案：基于本质要素重新构建解决方案
5. 验证本质：确认新方案是否真正解决了本质问题
AI结合方案：
ChatGPT: "请帮我用第一性原理分析[问题]，拆解到最基本的要素"
应用场景: 创新产品设计、商业模式重构、问题根本解决
示例：
```
问题：如何降低电动车成本？
传统思维：电池贵→找便宜供应商
第一性原理：
1. 拆解：电动车=电池+电机+车架+...
2. 质疑：电池为什么贵？→材料成本
3. 本质：原材料市场价格
4. 重构：自建电池厂+材料创新
```
---
模型2：MECE分析法
基本信息：
来源：麦肯锡
核心：相互独立，完全穷尽（Mutually Exclusive, Collectively Exhaustive）
AI结合：AI生成穷尽清单
操作步骤：
1. 确定主题：明确要分析的问题范围
2. 选择维度：确定分类的核心维度（如时间、空间、功能）
3. 初步分类：按维度进行第一层分类
4. 检查MECE：
- 相互独立：各类别之间无重叠
- 完全穷尽：所有可能性都被覆盖
5. 细化层级：对每个类别继续MECE分解
AI结合方案：
ChatGPT: "请用MECE原则帮我拆解[主题]，确保相互独立、完全穷尽"
应用场景: 问题拆解、任务分解、报告结构
检查清单：
[ ] 各类别之间是否有重叠？
[ ] 是否遗漏了某些可能性？
[ ] 分类维度是否统一？
[ ] 层级是否清晰？
---
模型3：中庸思维
基本信息：
来源：儒家
核心：不过于激进也不保守，找到动态平衡点
AI结合：AI辅助平衡点分析
操作步骤：
1. 识别两极：明确问题的两个极端（如激进vs保守）
2. 分析情境：评估当前环境条件和约束
3. 寻找平衡：确定适合当前情境的中间点
4. 动态调整：根据变化持续微调
5. 把握时机：在合适时机偏向一端，但不过度
AI结合方案：
ChatGPT: "分析[决策]的激进和保守方案，帮我找到中庸平衡点"
应用场景: 决策平衡、风险管理、人际关系
---
模型4：熵减思维
基本信息：
来源：热力学/华为
核心：对抗系统混乱，持续注入秩序
AI结合：AI优化流程建议
操作步骤：
1. 识别熵增：发现系统中的混乱和低效
2. 分析原因：找出导致混乱的根本原因
3. 设计秩序：建立规则、流程、标准
4. 注入能量：投入资源维持秩序
5. 持续优化：定期复盘，持续减熵
AI结合方案：
ChatGPT: "分析我的[工作流程]中的混乱点，给出熵减优化建议"
应用场景: 流程优化、知识管理、组织管理
---
模型5：金字塔原理
基本信息：
来源：麦肯锡
核心：结论先行，以上统下，归类分组，逻辑递进
AI结合：AI辅助逻辑梳理
操作步骤：
1. 结论先行：先说核心观点
2. 以上统下：上层是下层的总结
3. 归类分组：同层内容属于同一范畴
4. 逻辑递进：按时间/结构/重要性排序
5. MECE支撑：每个论点有MECE的论据支持
AI结合方案：
ChatGPT: "请用金字塔原理帮我梳理[主题]，结论先行"
应用场景: 汇报表达、写作、思考结构
结构模板：
```
核心结论
├── 论据A
│ ├── 支撑A1
│ └── 支撑A2
├── 论据B
│ ├── 支撑B1
│ └── 支撑B2
└── 论据C
├── 支撑C1
└── 支撑C2
```
---
模型6：因果思维
基本信息：
来源：释家/哲学
核心：预判每一步行动的结果
AI结合：AI因果推演
操作步骤：
1. 识别行动：明确要采取的行动
2. 追问结果：这个行动会导致什么结果？
3. 连锁推演：结果又会导致什么？
4. 评估影响：最终结果是否符合预期？
5. 调整行动：根据推演调整行动方案
AI结合方案：
ChatGPT: "如果采取[行动]，请推演可能产生的因果链条"
应用场景: 决策预判、风险评估、战略规划
---
模型7：帕累托原则
基本信息：
来源：二八定律
核心：20%的投入带来80%的产出
AI结合：AI识别关键因素
操作步骤：
1. 收集数据：记录各项投入和产出
2. 排序分析：按产出效果排序
3. 识别20%：找出最关键的少数因素
4. 聚焦资源：将资源集中在关键因素
5. 持续优化：定期重新评估20%
AI结合方案：
ChatGPT: "分析我的[业务数据]，找出20%的关键因素"
应用场景: 资源分配、优先级管理、效率提升
---
模型8：知行合一
基本信息：
来源：王阳明心学
核心：认知与实践同步，知是行之始，行是知之成
AI结合：AI辅助行动方案
操作步骤：
1. 明确认知：清晰理解要做什么、为什么做
2. 设计行动：将认知转化为具体行动
3. 立即执行：不拖延，马上开始
4. 反馈调整：根据行动结果调整认知
5. 循环往复：知行相互促进，螺旋上升
AI结合方案：
ChatGPT: "基于[认知]，帮我制定具体的行动方案"
应用场景: 学习实践、技能掌握、目标达成
---
模型9：SCQA模型
基本信息：
来源：麦肯锡
核心：情境-冲突-问题-答案的故事化结构
AI结合：AI生成SCQA文案
操作步骤：
1. Situation（情境）：描述背景，建立共识
2. Complication（冲突）：指出变化或挑战
3. Question（问题）：提出核心问题
4. Answer（答案）：给出解决方案
AI结合方案：
ChatGPT: "用SCQA结构帮我写[主题]的文案"
应用场景: 演讲开场、文案写作、汇报结构
示例：
```
S：过去三年，我们的用户增长稳定
C：但最近竞品推出新功能，用户开始流失
Q：如何在竞争中重新获得用户青睐？
A：推出差异化功能+提升服务质量
```
---
模型10：顺势而为
基本信息：
来源：易经/道家
核心：找到正在起飞的风口，借势而为
AI结合：AI趋势分析
操作步骤：
1. 观察趋势：识别行业/技术/社会趋势
2. 评估势能：判断趋势的阶段和强度
3. 寻找切入点：找到与自身能力的结合点
4. 快速行动：在趋势上升期果断进入
5. 动态调整：随趋势变化调整策略
AI结合方案：
ChatGPT: "分析[行业]的当前趋势，指出顺势而为的机会"
应用场景: 战略选择、时机把握、资源配置
---
模型11：数据驱动思维
基本信息：
来源：大数据/阿里
核心：让数据而非直觉指导决策
AI结合：AI数据分析
操作步骤：
1. 定义指标：确定关键业务指标
2. 收集数据：建立数据收集机制
3. 分析洞察：从数据中发现规律
4. 验证假设：用数据验证或否定假设
5. 优化迭代：基于数据持续优化
AI结合方案：
ChatGPT: "分析这份[数据]，给出数据驱动的洞察和建议"
应用场景: 运营决策、产品优化、市场分析
---
模型12：能力圈思维
基本信息：
来源：芒格
核心：清楚知道自己和AI的能力边界
AI结合：AI能力评估
操作步骤：
1. 盘点能力：列出自己擅长的领域
2. 识别边界：明确能力的边界在哪里
3. 评估AI：了解AI的能力范围和局限
4. 分工设计：人做擅长的，AI做擅长的
5. 持续扩展：逐步扩大能力圈
AI结合方案：
ChatGPT: "评估我在[领域]的能力水平，指出能力圈边界"
应用场景: 职业规划、人机分工、学习方向
---
模型13：极简思维
基本信息：
来源：道德经/乔布斯
核心：资产轻、工具简、定位聚焦
AI结合：AI简化建议
操作步骤：
1. 识别冗余：找出不必要的复杂
2. 追问本质：每个元素是否必需？
3. 大胆删减：删除非核心元素
4. 聚焦核心：将所有资源投入核心
5. 保持极简：持续抵抗复杂化倾向
AI结合方案：
ChatGPT: "帮我简化[方案/流程]，去除冗余，聚焦核心"
应用场景: 产品设计、流程优化、生活管理
---
模型14：贝叶斯更新
基本信息：
来源：统计学
核心：根据新证据动态调整信念
AI结合：AI反馈分析
操作步骤：
1. 设定先验：基于现有信息形成初始判断
2. 收集证据：获取新的数据和信息
3. 更新信念：根据证据调整判断
4. 评估置信：量化判断的置信度
5. 持续迭代：不断重复更新过程
AI结合方案：
ChatGPT: "基于[新证据]，用贝叶斯思维更新我对[问题]的判断"
应用场景: 预测分析、投资决策、策略调整
---
模型15：闭环思维
基本信息：
来源：系统思维
核心：输入-处理-输出-反馈的完整循环
AI结合：AI流程优化
操作步骤：
1. 明确输入：确定需要什么资源/信息
2. 设计处理：建立处理转换机制
3. 产出输出：产生可交付的结果
4. 收集反馈：获取输出效果的反馈
5. 优化迭代：根据反馈优化输入和处理
AI结合方案：
ChatGPT: "帮我设计[业务]的完整闭环流程"
应用场景: 流程设计、项目管理、习惯养成
---
三、使用方式
3.1 单模型调用
```
用户："用第一性原理分析我的商业模式"
响应：
→ 调用：第一阶段.第一性原理
→ 输出：五步骤分析结果
```
3.2 阶段套件调用
```
用户："我想系统提升底层思维能力"
响应：
→ 调用：第一阶段（完整套件）
→ 输出：15个模型全景图 + 学习路径
```
3.3 跨阶段组合
```
用户："我要做一个重大决策，需要全面分析"
响应：
→ 调用：第一阶段（第一性原理+MECE+因果）
→ 调用：第二阶段（SWOT+五力）
→ 整合输出：综合分析报告
```
---
四、与龙心OS五大引擎的协同
| 引擎 | 协同方式 |
|------|---------|
| 象思维 | 用第一性原理进行0→1本质突破 |
| 知识学习 | 用MECE+金字塔进行知识结构化 |
| 五色光思维 | 用中庸思维进行黄光权衡 |
| 人机协同 | 用能力圈思维设计人机分工 |
| 知行合一 | 用知行合一+闭环思维沉淀经验 |
---
版本: v1.0
模型数: 15个
父Skill: 思维模型库
最后更新: 2026-04-09