已知未知

要解决的具体问题

在日常工作与学习中，我们常会陷入一种熟悉感制造的「知识幻觉」：对于玛莎拉蒂、宜家或某些耳熟能详的历史事件，你觉得自己「知道」，但实际上只是记住了一个标签。认知心理学中的习惯化（Habituation）与非注意性失忆（Inattentional Amnesia）解释了这一现象——大脑为了节能，会自动将对熟悉事物的主动注意力降级。

这导致了一个致命问题：信息缺口被熟悉感彻底掩盖。你不会主动去深挖这些「已知」事物，好奇心引擎也就从未启动。本技能致力于解决这一认知盲区，通过外部干预强制制造「信息缺口感」，打破惯性思维。

技能如何工作

winson-known-unknown-skill 的核心哲学是：熟悉是最强效的信息屏蔽器。它通过一套严谨的执行流程，引导 AI 为你重构对常规事物的认知。

• 双模式选题策略：根据你的诉求，AI 会采用 随机盲盒模式 随机抽取 3-5 个跨界品牌/事件，制造惊喜感；或使用 规律深挖模式，围绕特定主题（如百年家族企业）进行系统梳理。
• 严格的信源考证（P0-P2）：拒绝自媒体传闻。AI 会优先访问官方网站（P0）、权威百科与学术论文（P1-P2）提取事实。如果某个「冷知识」无法回溯至 P0-P2 信源，将被标注为 ⚠️ 待考证，绝不作为确定结论输出。
• 五维度信息提取与反差构建：针对每个条目，技能会提取基本事实、意外发现、官方叙事等维度，并以 「你以为你知道的 → 实际发现的」 格式输出，直接在视觉与认知上放大落差。
• 举一反三（Cross-Pattern Inference）：单个事实的罗列只是冷知识，技能的灵魂在于提炼跨条目的元模式（Meta-pattern）。例如发现「起点的错位」（诺基亚曾造纸、宜家卖笔）、「被遮蔽的代价」等底层规律，从而将点状探索转化为可迁移的认知资产。

适用边界与注意点

• 少即是多：单次探索严格控制在 3-5 个条目。超过这个数量极易导致走马观花，重识的深度将被稀释。
• 依赖高质量信源：本技能不适用于过于前沿、缺乏权威信源的即时新闻或互联网碎片信息。它更适合那些有官网沉淀、有历史厚度、有文献记载的事物。
• 元模式提炼需要样本支撑：AI 提炼的规律需要至少 3 个条目作为证据链。如果条目选择过于同质化（如全选汽车品牌），可能导致牵强的类比，因此建议跨大类探索。
• 这是一个触发器，而非知识库：技能的最终目的是制造认知缺口，重启你的好奇心。它提供的只是经过校验的引子，真正的认知扩容需要你在意识到「原来我真不知道」后，主动顺着线索继续深挖。