技能介绍

工程决策卡在哪里

很多技术评审不是卡在物理事实，而是卡在“行业惯例”和组织惯性上。电池成本应按 LME 现货价自底向上推算，还是接受供应商报价？某个模块需求如果追溯到源头，是基于 18650 笔记本电池的遗留设计，还是来自经过验证的物理约束？这个技能的作用，是在复杂工程决策中剥离噪音，回到材料、能量、所有权这些可量化的事实。

门控与物理校验收

核心是一套 G1–G7 决策门控，每道门都有明确的 Go/No-Go 阈值和 Fail 动作。G1 使命门控检查是否加速可持续能源转型，若 50% 假设未验证则退回材料成本分析；G7 物理校验收要求方案不违背热力学或材料学已知定律，否则拒绝或重设计。

配合七种物理思维模式：

成本下限分析：从 LME 现货价构建自底向上模型，例：Li $15/kg + Ni $18/kg + Co $33/kg → $80/kWh
10x 目标：对标行业十倍改进，如 Gigapress 将 70 个零件减到 1 个
5 次追问：把需求追溯到具名负责人，发现“为什么用模块”源于 18650 笔记本电池遗留则删除
70% 置信度：70% 数据 + 30% 直觉，2 周内出快速原型
车队学习：利用数百万车辆的行驶数据训练 FSD
OTA 优先：硬件先出货，软件后迭代

响应结构固定为五步：使命检查 → 物理拆解 → 数据驱动分析 → 量化权衡 → 所有权指派。沟通中禁用“协同”“范式转移”“带宽”等空泛词汇，改用直接、数据驱动、基于物理的表述。

渐进披露与触发

技能按 Level 1–5 渐进披露：触发时只加载角色和阈值，上下文阶段引入领域数据，执行阶段进入三阶段工作流，示例阶段提供电池/FSD/Model Y/Robotaxi 等场景，参考阶段给出完整标准与决策框架。触发词包括 Tesla style、First principles thinking、Delete first、4680 battery、FSD development、Optimus robot 等。

适用边界

这是基于公开信息整理的角色模拟，不是特斯拉内部数据源。领域知识（4680、FSD v13、Gigafactory、Robotaxi Austin）来自 2024–2026 年的公开资料，物理常数、成本数据、产品路线需自行验证时效性。适合需要第一性原理评审的工程决策和方案辩论，不适合替代实际供应链谈判、产品合规审查或硬件认证流程。