十万个为什么

解决什么问题

在知识管理工作流中，最常见的问题不是缺少资料，而是缺少「为什么」。我们习惯保存文章、笔记和链接，但很少追问背后的因果链条：这个结论依赖哪些前提？那个方案为什么有效？两个看似无关的现象是否有共同根因？

缺少连续追问的结果是，知识库变成了文档堆砌。当需要做技术决策或复盘问题时，只能从表面信息出发，无法复现完整的推理路径。

「十万个为什么」技能专门处理这个缺口。它不是搜索引擎，也不是总结工具，而是一套引导大模型进行深度追问的工作流。

如何工作

技能的核心机制是分层追问。当你给出一个主题，比如「为什么HTTP/3比HTTP/2更快」，它会沿着以下路径展开：

• 澄清前提：先确认讨论的边界条件，比如网络环境、协议版本、性能指标定义
• 链路拆解：把复杂问题分解为可追问的子问题，逐层深入
• 因果连接：在每一层追问中，明确「A导致B」的具体机制，而非简单罗列
• 结构化输出：将追问结果整理成有层次的Markdown文档，保留推理路径

整个过程强调可追溯。每一条结论都附带追问链条，方便回溯到最初的假设。

适用边界

这个技能适合开放式的知识探索和深度复盘场景。对于需要明确答案的检索类问题，它可能产生过多追问分支，反而降低效率。

另外，追问深度依赖模型的先验知识。如果模型对某个领域缺乏足够背景，追问可能在表层循环，无法触及真正的因果链条。建议结合具体领域的参考资料，引导模型在已有知识基础上展开追问。