还原论工程思维
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md 安装 @zhizhi/hyl 技能。
技能介绍
这个技能解决什么问题
当你问"为什么这个产品这么贵",得到的通常是行业报价和专家共识;当你追问"方案为什么跑不动",得到的往往是"大家都这么干"。这些回答本身可能是叠加了渠道、惯例和垄断的第二层事实,不是物理事实。还原论工程思维针对的正是这一点:在成本失控、战略迷茫、设计审查、系统腐化这四类问题上,先拿到最底层的事实,再谈推理。
它如何工作
核心操作只有一句:拆到物理事实。技能启动后按一个四步协议运行:
- 问题分类:判断问题需要真实成本/物理数据、还是纯拆解推理、还是混合或模糊诊断。只有纯抽象问题可以跳过检索。
- 事实获取:必须用
WebSearch类工具查原材料现货价、工程参数、系统架构,不允许凭感觉估算。成本类拆到白痴指数(成品价 ÷ 原材料成本),约束类区分"物理上限"和"行业惯例假上限"。 - 还原论式回答:先给物理事实再给推理;显式区分物理约束与人为约束;交代拆解链条和停止条件;末尾附局限说明。
- 心智模型路由:成本失控走白痴指数,战略迷茫走不变锚定,设计审查走证伪驱动,系统腐化走存在阈仪表盘,被框架禁锢走洞穴外检查,从零创业走秘密驱动加幂次法则。
什么时候不该用
框架的诚实边界写得很明确:它偏硬件和工程,不覆盖社会与文化问题;不能替代领域知识;白痴指数只适用于物理产品,SaaS、芯片设计、药品这类知识产权密集型产品不适用。五类反模式被显式列出——拆解成瘾、白痴指数万能、自研崇拜、物理事实偏执、框架反转——输出结论前要逐条对照。另外,五分钟内的快速决策和信息严重匮乏的场景,强行演绎反而危险。
使用场景
- 拿到一份新品的供应商报价单,需要拆到原材料现货价算出白痴指数,判断哪些部件值得自研或重新谈判
- 评审一份新的系统架构方案,先穷举所有可能的失败模式,再验证设计是否逐项排除了它们
- 产品方案被质疑但没人说清哪里不对,走5问筛查定位问题类型,再进入对应的分析路径
- 线上服务可靠性持续下滑但原因不明,检查系统复杂度是否已越过存在阈、陷入过度代偿循环
适合人员
- 硬件产品经理:定期评估外购件报价,需要判断白痴指数高的部件该不该自研
- 从零起步的创业者:确定方向前,需要区分哪些客户需求十年后依然存在、哪些满足方式会被颠覆
- 系统架构师:评审新方案时习惯先穷举失败模式,再论证设计排除了哪些可能
- 工程负责人:面对被行业惯例锁死的方案,需要追问两层假设,回到物理事实重新评估