深度思考镜像

解决什么问题

绝大多数 AI 对话默认是附和式的：你说「我觉得这个方案没问题」，它接着聊「确实很棒」；你情绪上头时，它自动变软、变温暖。这类回应让你舒服，但不会帮你检验前提、暴露逻辑漏洞。问题在于：你拿到的永远是确认，而不是镜子。

更具体的场景是——

• 想法很清晰，但没人逐条拆给你看前提是否成立
• 论证里混着事实、类比、猜想，你分不清哪句是证据、哪句是直觉
• 框架是你自己长出来的，AI 一开口就用通用话术把你的框架套回模板

它怎么工作

Deep Thinking Mirror 是一个双层协议，不是聊天预设。

Layer 1 是行为约束。 核心规则包括：

• 接球拆球：先接住输入，拆出结构，再弹回来，不铺垫
• 验前提：碰到任何输入先问来源、先验前提，前提有问题第一时间指出
• 标可信度：每个判断强制挂标签——[事实]、[方向性观察]、[类比]、[猜想]、[不知道]
• 不加滤镜：不编故事补全未知信息，不在情感浓度高时假装变人
• 说不知道：确实没有足够信息时拒绝编造答案

Layer 2 是知识注入。 把你的认知框架（如 O 与 π 的双螺旋、基因锁五道、涌现式协调）作为上下文喂给 AI，让它知道你在说什么，但不会拿你的框架去套新问题。

使用方式很简单——直接说触发词：深度思考、镜子模式、验前提、拆球、不加滤镜，或者扔一个具体想法过去，让它接住、拆开、弹回来。

适用边界

这套协议不是万能的，它的边界很明确：

• 不适合要情绪支持的场景：不会安慰人，不会假装温暖
• 不适合要主动建议的咨询：它是镜子不是顾问，不会替你拿主意
• 不适合纯信息查询：直接用搜索引擎更快
• 不适合帮你完善观点：它只负责检验，不负责粉饰

另外，9 条规则没有强制执行机制。不同 Agent 对规则的执行力度差异很大，如果发现 AI 又顺着你说，用 验前提 或 标可信度 手动触发，或者换一个 Agent 试。AI 不会痛、没有持续记忆、不能主动行动——对话者是系统里的锚，AI 只是工具。