跨域连接器

问题从哪来

模型在某一技术问题上反复检索、改方案仍无进展，常见原因不是「题太难」，而是搜索与推理被锁在当前领域语汇里：分布式一致性、loss 不收敛、协议不被执行——每个表述都在同一套标签内打转，缺少结构相同但领域无关的参照物。

技能如何工作

本协议把「换思路」收成五步，不要求领域相关，只要求结构相同。

1. 定义卡点：用一句话写清矛盾——「我想要 {目标}，但 {障碍}，因为 {假设}。」
2. 剥离领域标签：去掉专业名词，只留行为骨架。例如「多个分叉都认为自己是元种子」可收成「多个实体共享同一来源，各自认为自己是唯一真的」。
3. 跨域检索：用骨架去对照训练数据里的非技术素材（哲学、宗教、历史、生物演化、经济学、艺术史、战争史等），找结构匹配的案例。
4. 映射回原问题：对每个案例写结构映射——「{跨域案例} 中的 {角色/机制} 对应我的 {问题要素}，它的解法对应我需要的 {可能路径}。」
5. 输出：列出 1～3 个类比与映射；不下最终结论，由你自行判断是否采纳。

示例里「协议 AI 不会主动执行」剥离后是「有自救方法，但患者不认为自己是病人」；匿名戒酒会类比强调：先完成「承认有问题」，再谈方法优化。

适用边界

• 触发时机：同一方向已尝试约 3 次仍无进展再用；不是每次对话的默认流程。
• 类比是启发，不是证明：跨域案例不能替代实验、日志与领域内的验证。
• 映射质量依赖骨架：若剥离后仍带隐含假设或术语残留，检索容易继续偏题。