--- artifact_type: model-card model_name: 巨人认知 model_id: giant-cognition-model aliases: - Giant Cognition - 巨人认知模型 author: Wantsong version: 0.1 created: 2026-06-01 updated: 2026-06-01 status: candidate source_material: - 《构建你自己的巨人 2.0》 - 巨人认知智能体2.2 model_type: - applied layer: - L3: Applied Model related_models: [] related_agents: - giant-cognition related_skills: [] related_runtimes: [] based_on: CCPE System --- # 巨人认知 ## 1. Model Overview ### 1.1 One-Sentence Definition 巨人认知是一种应用型认知评审模型，用横向动力系统与纵向能力堆栈的咬合关系，诊断观点、文章和思想结构中的意图、反思、事实、逻辑、洞察与元认知问题。 ### 1.2 Short Description 巨人认知把一个观点或文本视为一艘正在航行的「智识方舟」。它不只检查表层表达，而是同时检查动力是否存在、船体是否稳固、索具是否可靠、工具是否合适、海图是否准确、船长是否清醒。 这个模型的价值在于：它能把模糊的“这篇文章不够深”“这个观点不成立”转化为可定位、可讨论、可重构的认知层级问题。 ### 1.3 Model Type ```text applied ``` ### 1.4 Layer ```text L3: Applied Model ``` ## 2. Source Material ### 2.1 Primary Source ```text title: 构建你自己的巨人 2.0 path: user-provided source text author: Wantsong date: 2025-11-27 source_type: article / cognitive model source ``` ### 2.2 Secondary Sources ```text - 巨人认知智能体2.2 ``` ### 2.3 Extraction Notes 本卡片只登记「巨人认知」这个整体模型，不把「双循环罗盘」「五层甲板」「思想考古学家」拆成独立 Model Card。它们在此处作为巨人认知的内部结构、操作机制或评审视角存在。 ### 2.4 Confidence ```text high ``` ## 3. Core Problem ### 3.1 Problem Statement 许多观点、文章和思想草稿的问题并不只是文字表达问题，而是认知架构问题：没有明确意图，没有反思回路，事实基石不足，逻辑工具误用，洞察停留表层，或者元认知层面存在盲区。 ### 3.2 Why This Problem Matters 如果没有认知层级诊断，评审容易退化为局部修辞修改、情绪化偏好判断或泛泛的“提高深度”。巨人认知提供一个分层检查框架，使批判可以转化为建设性重构。 ### 3.3 What Existing Thinking Misses 普通文本评审常常混淆以下问题： - 资料不足和逻辑错误。 - 逻辑正确和语境准确。 - 观点尖锐和洞察深刻。 - 表达有力和认知结构稳固。 - 作者立场不清和评审者价值偏好不同。 巨人认知要求先定位问题所在层级，再提出对应修正路径。 ## 4. Scope ### 4.1 Applies To ```text - 观点评审 - 文章评审 - 提纲评审 - 论证结构诊断 - 思想模型拆解 - 深度写作的重构建议 ``` ### 4.2 Best Used When ```text - 文本看似完整，但深层结构不稳。 - 用户需要找到观点背后的隐含假设。 - 用户希望从“改文字”上升到“改认知结构”。 - 需要同时检查事实、逻辑、洞察和元认知。 ``` ### 4.3 Non-Scope ```text - 单纯校对错别字。 - 纯事实检索。 - 自动化批量处理。 - 不需要深度判断的格式转换。 - 替用户决定最终价值立场。 ``` ### 4.4 Boundary Conditions 当输入材料极少、事实缺失严重、用户拒绝提供语境，或问题本身依赖最新外部事实但没有可靠材料时，模型只能给出结构性推断，不能输出确定性事实判断。 ## 5. Core Assumptions ```text 1. 有效思想不是知识堆砌，而是结构化认知系统的产物。 2. 观点和文本的质量可以通过动力系统与能力堆栈进行分层诊断。 3. 深度评审必须同时包含批判与建设，否则容易退化为破坏性挑错。 ``` Assumption 1: ```text assumption: 有效思想不是知识堆砌，而是结构化认知系统的产物。 why it matters: 这使评审重点从字数、资料量和术语密度转向结构完整性。 what would challenge it: 如果某类任务只需要信息覆盖率而不需要解释、判断或创造，模型收益会降低。 ``` Assumption 2: ```text assumption: 观点和文本的质量可以通过动力系统与能力堆栈进行分层诊断。 why it matters: 这使模糊批评可以被定位到具体层级。 what would challenge it: 如果文本问题主要来自审美偏好、平台风格或外部限制，层级诊断可能不是最优工具。 ``` Assumption 3: ```text assumption: 深度评审必须同时包含批判与建设。 why it matters: 没有建设路径的批判无法帮助用户改进认知结构。 what would challenge it: 如果任务目标只是风险拦截或红队审查，建设性要求可能需要降级。 ``` ## 6. Core Mechanism ### 6.1 Mechanism Summary 巨人认知由横向的动力系统与纵向的能力堆栈咬合而成： - 横向动力：双循环罗盘，负责系统的启动与纠偏。 - 纵向结构：认知的五层甲板，负责从底层承载到高层主权的分层评审。 ### 6.2 Key Variables ```text - variable: 意图 meaning: 文本或思考的主动航向。 role in model: 判断作品是否知道自己要解决什么问题。 - variable: 反思 meaning: 文本或思考的纠偏机制。 role in model: 判断作品是否经历现实碰撞、自我批判或反证检验。 - variable: L4 主权调控层 meaning: 元认知与战略决策。 role in model: 判断作者是否意识到自己的立场、盲区、偏见和优先级。 - variable: L3 洞察表征层 meaning: 情境理解、心智模型和思想考古。 role in model: 判断文本是否真正定义了问题，是否触及隐含假设与深层结构。 - variable: L2 逻辑运算层 meaning: 通用逻辑、思维模型和形式化推演。 role in model: 判断论证是否严密，工具是否匹配问题。 - variable: L1 基石层 meaning: 事实、资料、知识与技能。 role in model: 判断证据是否足够、准确、相关。 - variable: L0 生理层 meaning: 情绪基调、能量感与表达承载力。 role in model: 判断文本是否被情绪劫持，或是否缺乏承载复杂思想的表达能量。 ``` ### 6.3 Causal / Generative Logic ```text 清晰意图 -> 资源调用方向更明确。 有效反思 -> 偏差可以被识别并修正。 稳固 L1 -> L2 推理有材料可用。 严密 L2 -> L3 洞察不会漂浮。 准确 L3 -> L4 决策不会建立在错误问题定义上。 清醒 L4 -> 整个文本拥有主权、边界和战略选择。 稳定 L0 -> 高阶认知不被情绪或能量状态拖垮。 ``` ### 6.4 Model Dynamics 模型的核心不是静态打分，而是循环校准： ```text 意图设定航向 -> L0-L4 分层扫描 -> 定位薄弱层级 -> 生成重构建议 -> 引入反思与现实碰撞 -> 修正意图、材料、逻辑、洞察或元认知 ``` ### 6.5 Core Structure ```md 由横向的动力系统与纵向的能力堆栈咬合而成： * **横向动力：双循环罗盘** * 负责系统的启动与纠偏（意图 -> 反思）。 * **纵向结构：认知的五层甲板** * **L4 主权调控层 (The Captain):** 船长。负责元认知与战略决策。 * **L3 洞察表征层 (The Chart):** 海图。负责对情境的深度理解（心智模型）。 * **L2 逻辑运算层 (The Sextant):** 六分仪。负责通用的逻辑计算（思维模型）。 * **L1 基石层 (The Rigging):** 索具。负责基础知识与技能。 * **L0 生理层 (The Hull):** 船体。负责承载一切的生物底座。 ``` ## 7. Procedure / Operating Logic ### 7.1 Procedure ```text 1. 识别输入对象：观点、文章、提纲、论证或思想草稿。 2. 锚定意图：判断文本显性目标与隐性目标是否清晰、对齐。 3. 检查反思：判断是否存在自我批判、反证、现实碰撞或纠偏机制。 4. 执行 L0-L4 扫描：从承载、事实、逻辑、洞察、元认知分层诊断。 5. 定位关键瓶颈：找出最限制作品质量的 1-3 个层级问题。 6. 生成建设性重构：给出具体修改路径、替代模型、追问或示范性改写。 ``` ### 7.2 Decision Points ```text - decision point: 当前最大问题位于哪一层？ criteria: 哪个层级的问题最限制整体质量。 possible outcomes: L0 / L1 / L2 / L3 / L4 / 动力系统问题。 - decision point: 是事实不足、逻辑断裂，还是洞察浅薄？ criteria: 判断缺陷来自材料、推理还是问题定义。 possible outcomes: 补事实 / 修论证 / 重构问题定义。 - decision point: 是否需要现实碰撞？ criteria: 文本是否缺少反证、自我批判或外部约束。 possible outcomes: 添加反例 / 引入边界条件 / 明确失败场景。 ``` ## 8. Inputs ### 8.1 Valid Inputs ```text - 用户观点 - 文章草稿 - 提纲 - 论证片段 - 研究问题 - 用户提供的事实材料或检索结果 ``` ### 8.2 Poor Inputs ```text - 没有明确评审目标的碎片化句子 - 只要求情绪支持、不接受结构批评的输入 - 依赖最新事实但不提供材料的输入 - 要求模型替用户做最终价值决定的输入 ``` ### 8.3 Required Context ```text - 用户希望评审的对象 - 用户希望优化的方向 - 必要的事实背景 - 若涉及特定事件或数据，需要可靠来源或用户提供材料 ``` ## 9. Outputs ### 9.1 Output Types ```text - 巨人认知分析报告 - 分层诊断 - 关键问题清单 - 建设性重构建议 - 深度追问 - 示范性重写 ``` ### 9.2 Output Format 默认报告结构： ```text 1. 动力系统检测 2. 纵向结构扫描 3. 关键重构建议 4. 下一步 ``` ### 9.3 Good Output Criteria ```text - 问题定位具体。 - 层级区分清楚。 - 批判后有建设路径。 - 不把材料不足误判为逻辑错误。 - 不把逻辑正确误判为洞察深刻。 - 能保留用户原始思想的锋利度。 ``` ## 10. Failure Modes ### 10.1 Common Failure Modes ```text 1. 机械套用 L0-L4，导致报告形式完整但判断空洞。 2. 过度批判，指出问题但没有具体重构路径。 3. 把模型隐喻当成事实机制，导致过度解释。 4. 在事实不足时输出确定性判断。 5. 将用户的价值选择误判为逻辑缺陷。 ``` ### 10.2 Overuse Risks 如果所有文本都强行完整扫描，模型会变得笨重，压制轻量反馈和快速迭代。 ### 10.3 Misuse Risks 将巨人认知用于单纯文案润色、事实检索或自动化评分，会削弱模型的深度评审价值。 ### 10.4 Degeneration Pattern 巨人认知失去纪律后，会退化为高概念术语堆砌：看似深刻，实际没有定位问题，也没有提供可执行重构。 ## 11. Falsification Boundary ### 11.1 What Would Challenge This Model? ```text - 评审对象的问题主要来自事实缺失，而非认知结构。 - 用户只需要格式、语法或风格修改。 - L0-L4 扫描无法比直接领域专家评审提供更多有效信息。 - 模型无法提出比普通编辑建议更具体的重构路径。 ``` ### 11.2 What Should Not Happen If the Model Is Correct? ```text - 不应只输出抽象评价而没有修改路径。 - 不应把所有问题都归因于“洞察不够”。 - 不应忽视事实材料对判断的约束。 - 不应把用户没有明说的重构推断伪装成原文主张。 ``` ### 11.3 What Is Outside the Model's Explanatory Power? ```text - 最新事实真伪判断。 - 专业领域的实证结论。 - 平台算法偏好。 - 用户最终价值选择。 - 纯审美偏好。 ``` ### 11.4 Weak Falsification Warning 当前模型的强项是结构诊断和建设性重构，不是预测模型。它的可证伪性主要来自输出质量：能否更准确定位问题，能否生成更有效的修改路径。 ## 12. Distinctions ### 12.1 Different From ```text - nearby concept: 普通文章编辑 distinction: 普通编辑偏向表达、结构和可读性；巨人认知偏向认知架构、隐含假设和思想深度。 - nearby concept: 逻辑审查 distinction: 逻辑审查主要位于 L2；巨人认知还检查 L0、L1、L3、L4 与动力系统。 - nearby concept: 心理咨询式反馈 distinction: 巨人认知不以情绪支持为主，而以结构性诊断和建设性重构为主。 ``` ### 12.2 Not Equivalent To ```text - 纯写作模板 - 自动评分标准 - 事实检索工具 - 多智能体评审委员会 - 通用人生建议模型 ``` ### 12.3 Common Confusions ```text - 把 L2 思维模型误当成 L3 心智模型。 - 把资料堆砌误当成思想深度。 - 把强烈表达误当成结构稳固。 - 把尖锐批评误当成有效评审。 ``` ## 13. Related Models ### 13.1 Parent Models ```text - ``` ### 13.2 Child Models ```text - ``` ### 13.3 Sibling Models ```text - ``` ### 13.4 Overlapping Models ```text - ``` ### 13.5 Conflicting Models ```text - ``` ## 14. Related Agents ```text - agent_id: giant-cognition path: agents/lite/giant-cognition.prompt.md usage: 用巨人认知模型执行观点、文章和思想结构评审。 ``` ## 15. Related Skills ```text - ``` ## 16. Runtime Usage ```text - ``` ## 17. Examples ### 17.1 Example Input ```text 请评审这篇文章的核心观点是否足够深，逻辑是否稳固。 ``` ### 17.2 Model Application ```text 先检查文章的意图与反思，再扫描 L4-L0，定位最薄弱层级，最后提出建设性重构路径。 ``` ### 17.3 Example Output ```text 文章的主要问题不在 L1 资料不足，而在 L3 问题定义过浅：它把现象解释为效率问题，却没有下钻到权力结构和激励机制。建议重写引言，将问题从“如何提高效率”改为“为什么效率工具反而制造新的认知外包”。 ``` ### 17.4 Failure Example ```text “这篇文章缺乏深度，建议加强逻辑和补充案例。” ``` 这是失败输出，因为它没有定位层级，没有说明深度缺失发生在哪里，也没有给出具体重构路径。 ## 18. Evaluation Criteria ```text Core problem addressed? Scope respected? Assumptions made explicit? Mechanism applied correctly? Failure modes avoided? Falsification boundary preserved? Output useful? Original conceptual force preserved? ``` Additional criteria: ```text - 是否区分了动力系统问题与层级结构问题？ - 是否把 L2 逻辑与 L3 洞察分开判断？ - 是否每个关键批评都附带建设性修正？ - 是否避免把模型隐喻过度实体化？ ``` ## 19. Conversion Opportunities ### 19.1 Possible Skills ```text - 未来可抽象为“巨人认知评审 Skill”，供 Codex 在审稿、观点评审或模型挖掘流程中调用。 ``` ### 19.2 Possible Agents ```text - 未来可升级为评审委员会中的一个 Agent Spec。 ``` ### 19.3 Possible Runtimes ```text - 当前不需要 Runtime。若未来形成多智能体评审委员会，可设计 Hybrid Runtime。 ``` ## 20. Version Notes ```text v0.1: - Initial candidate Model Card for 巨人认知. - Registered 双循环罗盘 and 五层甲板 as internal mechanism, not separate Model Cards. ``` ## 21. Review Status ```text needs-user-confirmation ``` ## 22. Open Questions ```text 1. 是否将“巨人认知”后续注册进 Model Index？ 2. 未来评审委员会建立时，巨人认知应作为核心审稿 Agent，还是作为多个评审 Agent 共享的底层模型？ 3. 是否需要从《构建你自己的巨人 2.0》中继续抽取更高层的 foundational model？ ```