逆向练习
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 @kunlungrowth/inversion-exercise。
技能介绍
被“理所当然”困住的设计
在工程实践中,很多方案被贴上“向来如此”的标签:缓存必须降延迟、数据必须按需拉取、出错后再兜底。这些看似不证自明的选择,往往掩盖了未经检验的假设,让团队陷入唯一路径的盲区。逆向练习 就是为打破这种思维惯性而生——通过系统性翻转约束,找出那些“在特定场景下反而更优”的替代解。
四步翻转工作流
- 列核心假设:把问题中所有“必须”“只能”的隐含前提写下来,避免模糊的直觉判断。
- 系统翻转:对每条假设追问“如果反面为真会怎样”,不预设合理性。
- 探索含义:评估翻转后的行动差异——我们会因此做出哪些不同的设计决策。
- 找出有效翻转:筛选出在特定情境下确实成立的翻转,而非无意义的反向抬杠。
技能内置了快速参照表,覆盖缓存、数据获取、错误处理、功能取舍、性能优化等高频场景。例如把“出错再处理”翻转为“让错误不可能发生”,直接指向类型系统与契约设计;把“优化常见情形”翻转为“优化最坏情形”,导向韧性模式。这些翻转不是否定常规做法,而是补充设计维度。
适用边界
该技能只对人为约定的假设有效,无法撼动被事实或物理定律锁死的约束,比如重力方向、网络延迟的物理下限。翻转的价值在于暴露选择空间,而非替代严谨的工程验证——得到的替代路径仍需回归需求、成本与风险做最终取舍。
使用场景
- 团队设计新功能时陷入“只有一种做法”的僵局,需要系统检查哪些假设未经检验
- 应用被用户抱怨卡顿,除了全面加速,想在缓存、延迟、加载策略上找替代思路
- 需求清单越写越厚,想验证哪些“必须做”的功能其实只是“向来如此”
- 重构老旧系统时被惯例束缚,需要找出各项约束的边界与例外情况
适合人员
- 后端工程师:设计缓存或错误处理模块时,想打破“向来如此”的惯例寻找替代方案
- 产品经理:功能清单膨胀时,想区分哪些需求是真正必须、哪些只是惯性延续
- 技术负责人:方案评审会上,想暴露团队默认接受但从未检验的核心假设
- AI Agent 开发者:需要结构化的翻转结果,接入下游问题求解或简化流程