first-principles-skill

name: first-principles-skill description: | 第一性原理（First Principles）的结构化思维工具。基于 Aristotle、Descartes、Elon Musk 等一手来源的深度调研， 提炼 4 个核心原理和完整的操作协议。 触发词：「第一性原理」「first principles」「基本事实」「拆解到本质」。

第一性原理 · 思维工具

"The first principle is that you must not fool yourself — and you are the easiest person to fool." — Richard Feynman

激活条件与触发词

• 直接调用：「用第一性原理分析...」「第一性原理拆解...」
• 语义触发：用户面对复杂问题寻找根本原因，或挑战已有假设
• 组合调用：「先用第一性原理拆解，再用系统思维分析」

方法框架概览

第一性原理的核心是回归基本事实重新推导，它通过还原到物理/逻辑极限、区分已知与假设、从基本事实向上推导、警惕类比陷阱四个原理来打破思维惯性和行业惯例。

核心原理（3-7个，每个须附 ≥2 个跨域证据）

原理 1: 还原到基本事实（Reduction to Fundamental Truths）

一句话定义：将问题拆解至不可再分的物理或逻辑基本真理。

跨域证据：

1. 航天领域：SpaceX 从铝材成本出发计算火箭制造成本，将发射成本降至1/10（来源：Musk 2012 Wired 访谈）
2. 汽车领域：Tesla 从锂、钴、铝原材料现货价推导电池包成本，发现可降80%（来源：Musk 2013 Tesla 投资者日）

应用方式：面对任何问题，先列出构成该问题不可再分的基本事实，忽略行业内约定俗成的中间结论。

局限：某些领域基本事实本身存在争议（如经济学），此时还原目标不是物理事实而是逻辑基点。

原理 2: 区分已知与假设（Separate Known from Assumed）

一句话定义：将已验证事实与未经检验的假设严格分离。

跨域证据：

1. 哲学领域：Descartes 在《第一哲学沉思集》（1641）中系统化怀疑方法，将"我思故我在"作为唯一不可怀疑的基点（来源：Descartes, Meditations on First Philosophy）
2. 科学方法论：Galileo 区分"亚里士多德说的"和"实验测到的"，推翻重物先落地假设（来源：Galileo, Two New Sciences, 1638）

应用方式：列出当前方案所有假设，逐个标注验证状态。三类标记：已验证（有数据）、可验证（有方法）、不可验证（危险）。

局限：过度区分可能导致分析瘫痪，需判断验证成本与收益。

原理 3: 从基本事实向上推导（Reason Up from Fundamentals）

一句话定义：不是从类比或现有经验推理，而是从基本事实构建全新方案。

跨域证据：

1. 零售领域：Amazon 从"用户要便宜/选择多/便捷"推导出电商模式，而非类比 Walmart（来源：Bezos 1997 致股东信）
2. 区块链领域：Satoshi 从"去中心化共识的基本问题"推导出 PoW 方案，而非改进银行系统（来源：Bitcoin Whitepaper, 2008）

应用方式：从基本事实开始，问"基于这些事实最优解是什么？"禁止用"别家都这么做"作推理依据。

局限：完全从零推导可能忽略行业隐性知识，需在推导后与已有方案对比。

原理 4: 警惕类比推理陷阱（Beware of Analogy Trap）

一句话定义："这就像那个"是人类最危险的思维捷径。

跨域证据：

1. 科技领域：初代 iPhone 不是"缩小的 Mac"，而是从触控交互基本事实推导的新范式（来源：Jobs 2007 iPhone 发布会）
2. 教育领域：Pinker 指出教育不是工厂流水线，"标准化考试=质量控制"是危险类比（来源：Pinker, The Blank Slate, 2002）

应用方式：每当想说"这就像..."时暂停，反问：这个类比在哪个关键维度不成立？

局限：类比对沟通和启发仍有价值。不是禁止类比，而是禁止用类比替代推导。

操作协议（Agentic Protocol）

Step 1: 问题分类 — 判断该方法是否适用于当前问题

适用信号：

• 问题存在约定俗成的行业做法但效果不好
• 需在多个方案中做根本性选择
• 面对技术或商业的根本性创新挑战

不适用信号：

• 问题主要涉及情感/人际关系（适用设计思维或系统思维）
• 需要快速执行而非深度思考（适用精益创业的快速验证）
• 信息极度不足无法识别基本事实

输出：适用 / 不适用（附理由）/ 部分适用（附建议）

Step 2: 第一性原理式拆解 — 研究维度须从核心原理推导，禁止使用通用"搜索相关信息"

1. 基本约束分析：该问题领域的物理约束、逻辑约束、资源约束是什么？

   • 来源原理：原理 1（还原到基本事实）
   • 操作方式：列出三类约束，标注哪些是绝对的、哪些是历史偶然

2. 当前假设拆解：当前方案隐含了多少未经检验的假设？

   • 来源原理：原理 2（区分已知与假设）
   • 操作方式：逐个列表，每个假设标注验证状态

3. 最小可行单元识别：不依赖现有方案的前提下，构成该问题的最小不可分单元是什么？

   • 来源原理：原理 3（从基本事实向上推导）
   • 操作方式：逐个拆解"为什么需要X"直到拆不动为止

4. 类比检查：我或用户是否在不自觉进行类比推理？

   • 来源原理：原理 4（警惕类比推理陷阱）
   • 操作方式：列出所有自然产生的"这就像..."，逐个标注类比失效的关键维度

Step 3: 第一性原理式重建 — 基于分析结果的格式化输出

• 列出基本事实清单
• 标注当前方案假设及其验证状态
• 基于基本事实推导出的替代方案
• 标注置信度（高/中/低）和建议的下一步验证

适用/不适用判断

典型案例库

成功案例

1. SpaceX 火箭成本突破（航天/2010年代）

   • 问题：火箭发射成本极高，被认为是不可改变的行业现实
   • 方法应用：Musk 拆解火箭材料成本（铝/钛/铜约售价2%），从原材料推导自制可行性
   • 结果：Falcon 9 发射成本约6千万美元，行业平均1-3亿美元
   • 来源：Musk, Wired 访谈 (2012); Vance, Elon Musk (2015)

2. Tesla 电池成本拆解（汽车/2010年代）

   • 问题：电动车电池被认为永远比燃油车贵
   • 方法应用：从锂/钴/铝 LME 现货价推导电池最小成本
   • 结果：Gigafactory 将电池成本降低约35%
   • 来源：Tesla 投资者日 (2013); Straubel 访谈

3. ChatGPT 重新定义 AI 交互（AI/2022）

   • 问题：AI 被定义为专业工具而非通用助手
   • 方法应用：OpenAI 从"语言理解与生成基本能力"出发而非改进现有专业AI
   • 结果：ChatGPT 成为历史上增长最快的消费应用
   • 来源：OpenAI Blog (2022-2023)

失败案例

1. Theranos 伪科学陷阱（医疗/2010年代）
   • 问题：血液检测昂贵且痛苦
   • 误用方式：声称从第一性原理"重新发明血液检测"，但物理约束无法绕过
   • 教训：第一性原理不能违背物理定律。基本事实被歪曲就成了伪科学的借口
   • 来源：Carreyrou, Bad Blood (2018); WSJ 调查报道 (2015)

误用检测器（≥3 种误用模式）

诚实边界（≥3 条具体局限）

1. 不可还原的复杂系统：涌现现象（如市场价格、组织文化）不能通过还原其组成部分完全解释
2. 物理极限本身可能是错误的：历史上多次被认为的物理极限被后来科技突破
3. 时间成本高：从第一性原理重新推导一切是低效的。成熟专家大部分时间用启发式工作
4. 信息不对称：如果对领域基本事实不了解，会生成 garbage-in-garbage-out

调研来源（一手来源占比须 >50%）

本 Skill 由 Forge Skill — 锻造思维工具 生成