权威倒推枚举法

要解决的问题

当你想把某个领域的风险因子、失败模式、漏洞或流失动因“列全”时，直觉做法通常是回忆加搜索：想到一个加一个。这会带来三类问题：隐性盲区，低可见度但终局严重；认知偏差，高估熟知项、低估机制可疑项；无法证伪，没有外部标尺，无法判断是否列全。

技能如何工作

该技能把“从负面结果反算原因”的权威数据库作为枚举骨架，而不是拿自己的记忆当全集。输入是一个明确的负面结果 Y，例如心梗、线上事故、数据泄露；可选提供已知候选清单或数据源。流程大致为：先定位该领域的权威倒推数据库 D；把 D 的原因清单当作全集；为每个原因挂上 PAF 等价物、RR/OR 或事故占比等量级，并标注来源与证据等级；按覆盖审计模板标记已覆盖、缺口和框架外补充；再用三层标注区分显性、隐性盲区和误传；最后用“出口闸门两问”检查什么情况会误导、何时失效。AI 负责生成骨架草稿和审计，是否采信、如何取舍由人确认。

适用边界与注意点

适合有明确负面结果、且存在权威倒推数据库的领域，如健康、软件可靠性、信息安全、金融、制造质量、物理安全、产品流失和法律合规。它不适用于开放创意类任务，例如列 App 点子；领域尚无权威数据库且短期造不出来时，只能退用演绎矩阵，并明确标注完整性未证伪；少于 10 条且低风险的一次性清单也不必搭骨架。使用时要记住 PAF 是人群归因比例，不是个体概率；缺数据不等于安全；框架外特殊项应单独管理；来源不可溯源、最大盲区答不出或失效条件无法判断时，应保留 uncertainty，而不是封顶宣布完成。