7.3 KiB

Raw Blame History

artifact_type

model_id

model_name

aliases

author

version

created

updated

status

model_type

layer

source_material

related_lite_prompts

related_agents

related_skills

related_runtimes

model-card

cognitive-imaging

认知显影

Cognitive Imaging

认知显影术

大脑暗房

Wantsong

1.0.0

2026-06-01

active

intermediate

workflow-model

workbench/raw/2026-01-06-the-darkroom-of-brain.md

workbench/raw/认知显影者1.1.md

agents/lite/cognitive-imaging-practitioner.prompt.md

认知显影 / Cognitive Imaging

Model Name

认知显影。

Aliases

Cognitive Imaging
认知显影术
大脑暗房

Source Material

primary_article: workbench/raw/2026-01-06-the-darkroom-of-brain.md
legacy_agent: workbench/raw/认知显影者1.1.md
active_lite: agents/lite/cognitive-imaging-practitioner.prompt.md

Model Type

intermediate
workflow-model
output / evaluation lens

认知显影既是一个解释洞察力生成机制的中层认知模型，也是一个可执行的分析流程。它可以被 Agent 内化为文章、观点、提纲或复杂现象的深度审查方法，但模型本身不等同于 Agent 角色。

Core Problem

认知系统会为了降低能耗、维持低自由能和快速闭合，将复杂现实压缩成熟悉、平滑、低分辨率的解释。认知显影要处理的问题是：

如何在不被常识、情绪奖赏、流行解释和漂亮隐喻提前闭合的情况下，
保留预测误差，悬置先验，引入正交模型，并把复杂现象显影为可证伪的结构洞察。

Scope

适用场景：

- 文章正文、文章提纲、观点草稿的结构审查
- 复杂社会、商业、技术现象的底层机制分析
- 对反常识判断、强隐喻文本和跨学科解释的压力测试
- 在写作或建模前识别预测误差、伪因果和过度压缩

不适用场景：

- 普通事实问答
- 轻量总结或润色
- 只需要情绪支持的对话
- 数据极低、噪声极高且无法补充底片的判断
- 要求立即执行、没有暗房时间的高频操作任务

Core Assumptions

1. 洞察通常起源于预测误差，而不是顺滑的常识解释。
2. 大脑倾向于用先验快速降噪，这有生存价值，但会遮蔽结构性异常。
3. 单一学科或单一隐喻容易产生共线性解释，需要正交模型制造干涉。
4. 解释必须经受反事实或干预测试，否则只是相关性叙事。
5. 极简生成元有价值，但过度压缩会制造数字伪影、阴谋论或物理学沙文主义。
6. 非标准认知不自动等于高质量认知；它必须可解释、可交付、可被现实压力测试。

Mechanism

认知显影把洞察力看成一组反节能但可校验的认知操作：

预测误差捕捉
→ 先验悬置
→ 正交滤镜放大
→ 因果干预曝光
→ 生成元压缩
→ 禁止线校验

核心机制不是“找到一个更漂亮的解释”，而是让异常数据在不同模型下反复曝光，剔除伪相关、修辞伪影和过度拟合，直到剩下一个仍能解释输入材料的最小结构。

Procedure

1. 捕捉 / Capture

识别文本或现象中的预测误差：

- 哪个事实破坏了常识预期？
- 哪个冲突被流行解释平滑掉了？
- 哪些材料应该保留为 RAW 底片，而不是被 JPEG 直出？

2. 暗房 / The Darkroom

悬置旧先验、情绪闭合和廉价解释：

- 暂缓判断
- 压低先验权重
- 忍受认知失调
- 防止过早转译为熟悉叙事

3. 放大 / The Enlarger

引入正交模型进行多重曝光：

- 跨学科滤镜必须解释同一张底片的不同结构层
- 滤镜应减少共线性，而不是堆砌术语
- 隐喻只有在承载机制时才有效

4. 曝光 / Exposure

对候选生成元做干预测试：

- 如果 do(x) 改变，结果是否随之改变？
- 当前变量是否真的是可干预节点？
- 是否混入了混杂因子？
- 该解释是结构性生成元，还是解释性滤镜？

5. 显影 / Development

把可通过测试的结构压缩为可复用洞察：

- 输出核心算法
- 标注作用域
- 标注失效边界
- 标注禁止线
- 保留未解释的高频信号

Inputs

- 一句话观点
- 文章提纲
- 文章正文
- 复杂现象描述
- 用户提供的案例、数据或检索片段
- 需要评审的模型、判断或因果链

Outputs

标准输出通常包括：

1. 总体评估
2. 过程分析
   - 捕捉
   - 暗房
   - 放大
   - 曝光
   - 显影
3. 结构压力测试
4. 结论与后续步骤

输出应保持中文、严厉、冷峻、可证伪，不为了安慰用户而削弱问题诊断。

Failure Modes

1. 把所有噪点都当成深层结构线索，导致认知过载。
2. 把漂亮隐喻误认为可干预的因果生成元。
3. 把正交模型堆叠变成术语表演。
4. 把反常识本身当成真理背书。
5. 用极简代码过度压缩复杂适应系统。
6. 忽略时间常数、算力限制、领域采样质量和现实交付约束。
7. 把低质量非标准认知误判为洞察力。
8. 在批判情绪奖赏后，又制造新的高级情绪闭合。

Falsification Boundary

认知显影在以下情况下应被判定为失效或需要降级：

- RAW 数据无法通过补充材料提升信噪比。
- 候选生成元无法通过反事实或干预测试。
- 所谓正交滤镜不能产生新的可检验预测。
- 输出只制造解释快感，不能定位变量、边界或行动含义。
- 模型压缩后无法反向解释原始材料中的关键异常。
- 分析需要立即行动，但流程无法在决策窗口内完成。

当前作为概念依赖或相邻模型记录：

- prediction-error
- free-energy-principle
- algorithmic-compression
- causal-intervention
- complex-adaptive-systems
- orthogonal-modeling

这些依赖目前多为概念级关系，不代表都已经在 CCPE System 中形成独立 Model Card。

active_lite:
  - agents/lite/cognitive-imaging-practitioner.prompt.md

possible_future_agent_spec:
  - cognitive-imaging-practitioner.agent.md

当前不创建正式 Agent Spec。只有当认知显影者进入稳定委员会、需要交接协议、权限边界和协作契约时，再升级为 CCPE-Agent。

active_skills: []

possible_future_skills:
  - cognitive-imaging.skill.md
  - prediction-error-capture.skill.md
  - causal-exposure-test.skill.md

当前不创建 Skill。只有当 Codex 需要自动调用“认知显影”方法，或多个 Agent 需要复用同一执行过程时，再抽成 CCPE-Skill。

Runtime Usage

active_runtimes: []

possible_future_runtime_usage:
  - article-review-committee.runtime.md
  - modeling-committee.runtime.md

当前不创建 Runtime。文章评审委员会应等其他评审 Agent 升级后统一设计。

Version Status

version: 1.0.0
status: active
release_type: first canonical model release
internal_history:
  - extracted from original 认知显影者 1.1
  - refined through Lite 1.1.0 and 1.1.1 draft testing
  - promoted as active Model Card after user confirmation

7.3 KiB Raw Blame History Unescape Escape