元方法论解读器

解决什么问题

当你把一份情报报告、一段用户访谈或一次事故复盘交给大模型分析时，得到的答案往往只是一次“顺向推理”：顺着材料里的线索，给出一个听起来自洽的结论。这类结论的问题不是错，而是不经反驳。没有反证、没有置信度、没有替代解释，你很难判断该在什么条件下相信它。

meta-methodology 尝试用一套可检查的规则缓解这个问题：同样的信息，用不同的思维模型重新解读，会让隐藏的假设暴露出来。它基于“芒格100个思维模型”清单，把分析从单次直觉推理变成一次多模型映射。

如何工作

该技能的核心不是“多给几个观点”，而是用规则约束输出结构：

• Evidence Over Assertion：每个结论必须绑定至少一个思维模型或证据来源；没有支撑的结论会被显式标注为 [无模型支撑]。
• 多元模型强制：同一信息至少用 3 个不同模型交叉解读，避免单一视角把局部经验包装成通用规律。
• 反证生成：每个主要结论必须主动构造至少 1 个反证，而不是等用户质疑后才补。
• 决策矩阵落地：解读不能停留在“观点正确”，必须输出带优先级的行动清单，否则分析没有工程价值。
• 不迎合用户：当证据不足以支持预期时，技能会直接说明，而不是调整措辞让结论看起来顺耳。

输入支持两种格式。结构化情报报告可直接逐节映射；非结构化文本、截图或零散信息则会先提取实体、时间、地点、事件，再进入模型解读。输出默认走简版：核心洞察、置信度、所用模型、偏见检查、行动建议和一句话总结；只有明确说 给我详版、完整报告、详细分析 等触发词，才会展开包含证据链、反证矩阵与决策矩阵的完整模板。偏见检查至少覆盖确认偏误、易得性偏差、损失规避，并根据任务类型追加能力圈、反馈闭环、笛卡尔思维等必检项。

适用边界

这套方法提升的是解释与决策质量，不是事实核查。它不会替代来源溯源、交叉验证或数据库检索；如果输入本身缺事实、缺时间戳，结论置信度应当按低处理。思维模型清单是解释工具，不是某个领域的专业认证，遇到高合规或高风险场景仍需人工复核。默认简版适合快速判断和日常评审，涉及资源分配、路线选择等关键决策时，建议明确请求详版，让证据、反证和优先级同时可见。