数字思维引擎

解决什么问题

当问题涉及决策、概率、系统、伦理或人际博弈时，直接给答案很容易落入经验主义。mind-engine 把先诊断、再建模、后验证的过程显性化，让 AI 以对话方式追问目标、约束、利益相关方和信息缺口，避免一次性输出看似合理但缺少推理链的建议。

工作方式

• 七阶段流水线：从 Problem Diagnosis 判断问题类型、不确定性、可重复性、参与者数量和隐藏假设，开始进入推理。
• 模型匹配：根据问题匹配 Bayesian Updating、Nash Equilibrium、First Principles、Antifragility 等方法论工具，并说明匹配理由。
• 对话追问：围绕目标、约束、信息、玩家、时间、风险、历史经验提问，每轮问题都解释为什么这样问。
• 多假设验证：至少生成 3 条路径，并执行遍历性、逐步验证、skin in the game、递归陷阱、最坏情况、反脆弱等检查。
• 推荐与沉淀：输出带推理链的多选项建议，对话后记录偏好、约束与方法论边界。

适用边界

适合需要澄清问题、比较方案或做结构化决策的场景，尤其是多利益相关方、概率不确定、长期风险问题。它不提供事实检索、代码生成或实时数据；若用户缺少关键信息，引擎应继续追问而不是猜测。若已有专用知识库，也可替换或追加模型匹配表。