the-mindscape-of-bro-tsong/cards/qpi.md

QPI 三元定性模型

模型名称

QPI 三元定性模型

模型 ID

qpi

一句话定义

QPI 用于判断某个认知主体在特定上下文中，如何将期望—现实落差框定为 Question、Problem、Issue、mixed 或 no-call，并识别其中的上下文缺口、动态演化和误框定风险。

模型类型

routing_model

QPI 是前置路由模型，不是最终分析模型。

所在流程位置

pre_analysis

它应在深度分析、系统建模或执行拆解之前调用。

来源文章

• article_qpi_primary_001: 《问题之锚：从混沌现实到认知秩序的重构》
• article_qpi_contextual_2025_001: 《解构“问题”：认知主体与现实映射的动态框架》
• article_cognitive_os_synthesis_001: 《Wantsong认知操作系统》

来源证据片段

• excerpt_qpi_primary_spectrum_001: 支撑 QPI 的三元分类和核心匮乏物定义。
• excerpt_qpi_primary_question_001: 支撑提问对应数据匮乏。
• excerpt_qpi_primary_problem_001: 支撑难题对应路径、方法和资源匮乏。
• excerpt_qpi_primary_issue_001: 支撑课题对应动态平衡和演化。
• excerpt_qpi_primary_pathology_reduction_001: 支撑暴力降维误用识别。
• excerpt_qpi_primary_pathology_inflation_001: 支撑恶意升维误用识别。
• excerpt_qpi_contextual_subjectivity_001: 支撑 QPI 必须基于主体和上下文场景判断。
• excerpt_qpi_contextual_gap_001: 支撑问题作为期望—现实落差的定义。
• excerpt_qpi_contextual_dynamic_001: 支撑问题框架会随时间和新信息演化。
• excerpt_qpi_cognitive_os_application_001: 支撑 QPI 在问题定义阶段的应用位置。

核心问题

谁在什么场景下，把什么期望—现实落差框定成了哪类问题；这个框定是否缺上下文、正在演化或存在误框定风险？

核心机制

QPI 先执行 no-call gate，再确认主体位置、场景上下文、责任范围、经验水平、问题拥有者、来源和时间尺度。

如果缺少主体或场景，QPI 只能输出 provisional classification，不能高置信定性。此时必须给出 missing_context、evidence_gap 和澄清问题。

• 缺数据，归为提问，适合搜索、检索、自动化。
• 缺路径、方法或资源，归为难题，适合工程求解和资源调配。
• 缺共识、确定性或动态秩序，归为课题，适合对话、博弈、干预和演化。

完成分类后，还要检查是否存在暴力降维、恶意升维、手段错配、工具解法主义或过早定性。

QPI 必须区分：

• intra_frame_mixed: 同一主体、同一场景、同一阶段内，多类匮乏物同时存在。
• inter_viewpoint_divergence: 同一句输入在不同主体、责任位置或时间尺度下会被框定成不同 QPI 类型。

输入类型

• 模糊问题
• 复杂问题
• 业务问题描述
• 组织冲突叙述
• 需求或故障初始表述
• 需要进入深度分析前的问题定义

输出类型

• 问题类型判断
• 分类作用域
• 是否临时判断
• 主体位置
• 场景上下文
• 责任范围
• 经验水平
• 问题拥有者
• 问题来源
• 时间尺度
• 期望现实落差
• 上下文充足度
• 缺失上下文
• 三类匮乏物强度
• 主导匮乏物
• 分类理由
• 分类置信度
• 多视角分类
• 动态阶段
• 可能演化轨迹
• 成功标准稳定性
• 硬反馈可用性
• 治理负荷
• 澄清问题
• 证据缺口
• 核心匮乏物判断
• 误判风险
• 推荐处理路径
• 后续模型调用建议

适用场景

• 用户输入的问题定义不清。
• 同一问题被不同主体以不同方式理解。
• 用户急于求解但尚未判断问题性质。
• 问题中混杂事实、路径、利益、共识和系统结构。
• 需要决定后续调用哪些认知模型。
• 怀疑存在暴力降维、恶意升维或手段与目标错配。

不适用场景

• 用户只是查询明确事实。
• 用户已经给出明确执行任务。
• 输入是纯创意写作且不需要问题定性。
• 问题已经被清楚分类且只需要执行后续步骤。
• 输入不是问题定义，而是纯粹的润色或格式转换请求。

调用关键词

• 问题到底是什么
• 为什么解决不了
• 卡在哪里
• 技术问题还是组织问题
• 方向是不是错了
• 为什么反复出现
• 该怎么定义这个问题
• 这个问题怎么拆
• 缺数据
• 缺路径
• 缺共识

负向触发条件

• 请直接查询
• 请直接改写
• 只要清单
• 不要分析原因
• 不要展开
• 只改错别字

相关模型

• intellectual_archaeology: 当 QPI 判断问题偏中重型难题或课题时，可进入思想考古做深度建模。

冲突模型

无明确冲突模型。

学科底座关联

• 问题定义理论
• 决策科学
• 系统论
• 复杂系统
• 组织行为
• 工程问题分解

常见误用

• 把 QPI 当作完整解决方案，而不是问题定义和路由模型。
• 把所有复杂叙事都归为课题，逃避可执行的难题拆解。
• 把系统性课题暴力压缩成个人执行难题。
• 把具体可解决的难题恶意升维成不可处理的课题。
• 在事实缺口上过度建模，拖慢本应直接检索的提问。
• 忽略问题拥有者，直接给出单一视角的分类。
• 把缺少主体和场景的复杂短句直接判成高置信 Q/P/I。
• 把跨主体视角分歧误写成同一主体内的 mixed。

失败信号

• 核心匮乏物识别错误，导致后续资源配置错位。
• 未识别权力叙事，接受了伪问题或甩锅框架。
• 把动态平衡型课题误判为可终结的难题。
• 把明确工程障碍误判为需要无限讨论的课题。
• 分类没有给出理由。
• 分类之后没有给出后续处理路径。
• 缺少 subject_position 或 scenario_context 时仍输出 high confidence。
• 只按表层关键词定性，忽略责任范围、成功标准、硬反馈和治理负荷。

可信度等级

medium

QPI 的三分结构、核心匮乏物、主体性和动态性有清晰来源支撑，但真实输入中经常出现上下文不足、多视角分歧和同一主体内的 Q/P/I 混合状态，仍需要更多边界案例稳定判断。

稳固性状态

B

需要继续稳定化。

稳定性评估

• 概念清晰度：较高，提问、难题、课题的核心匮乏物清楚。
• 机制稳定性：中高，扫描匮乏物和匹配处理范式的机制明确。
• 边界清晰度：中等，混合型问题、多视角分歧和上下文不足场景仍需更多测试。
• 来源证据质量：较高，主体性和动态性来自 2025 原文，核心匮乏物和误框定规则来自 2026 原文，应用规则来自综合文档。
• 回归测试表现：pending，当前已有 52 条 QPI 回归用例；其中 Round 03 / 03.1 已纳入 owner-reviewed case layer、selector no-call、multi-perspective 和低上下文 provisional 边界用例。生命周期仍保持 draft。

评级理由：三分结构清晰，适合作为入口路由模型，但需要补充大量边界案例，防止过度升维或降维。

下一步稳定化动作：补充主体-上下文-动态案例、混合问题、误用问题和轻量问题测试，并记录主导匮乏物与多视角分歧判断标准。

回归测试状态

pending

当前已有 52 条 QPI 回归用例，覆盖 positive、boundary、misuse、no_call、selector_gate 和 pipeline。Round 03 / 03.1 重点新增：

• owner-reviewed flow / disappointment / organizational year-end-review cases；
• case_qpi_international_logistics_no_call_001
• case_qpi_research_capacity_problem_not_issue_001
• case_qpi_multi_perspective_requires_viewpoint_output_001
• case_qpi_low_context_provisional_no_high_confidence_001
• case_qpi_direct_summary_no_call_001
• case_qpi_analysis_override_should_call_001

示例输入

• “我们团队每次都说要长期主义，但一到季度 KPI 就回到短期动作，这到底是什么问题？”
• “我知道要做模型库，但不知道先用数据库还是文件系统，这属于什么问题？”

示例输出

• “第一个输入更接近课题，因为它涉及激励结构、时间尺度冲突和组织共识。”
• “第二个输入更接近难题，因为目标明确，主要缺的是实现路径和技术取舍。”

输出契约

输出必须包含：

• problem_owner: 谁的问题；未知时写 unknown。
• classification_scope: subject_contextual | multi_perspective | insufficient_context | no_call。
• is_provisional: 缺少主体或场景时必须为 true。
• subject_position: 当前认知主体的位置；未知时写 unknown。
• scenario_context: 问题发生的场景；未知时写 unknown。
• responsibility_scope: 个体学习、团队执行、跨职能治理、owner 治理或 unknown。
• context_sufficiency: high | medium | low。
• missing_context: 缺少哪些主体、场景、目标、资源、责任或时间信息。
• problem_source: 问题从哪里被提出，是否可能带有立场、恐惧或甩锅框架。
• time_scale: short_term | mid_term | long_term | mixed | unknown。
• expectation_reality_gap: expected、reality、gap_summary；未知时写 unknown。
• scarcity_profile: 分别标出 data_scarcity、path_or_resource_scarcity、consensus_or_order_scarcity 的强度。
• dominant_scarcity: data | path_resource | consensus_order | mixed | unknown。
• classification: question | problem | issue | mixed | no_call。
• classification_confidence: high | medium | low。
• classification_by_viewpoint: 多视角分歧时列出不同主体下的分类和理由。
• dynamic_stage: initial | evolving | recurring | stabilized | unknown。
• possible_trajectory: 问题可能从 Q 到 P、从 P 到 I，或反向收敛。
• success_criteria_stability: stable | unstable | contested | unknown。
• hard_feedback_availability: high | medium | low | unknown。
• governance_load: high | medium | low | unknown。
• evidence_gap: 还缺哪些信息才能稳定判断；mixed 或 low confidence 时必须填写。
• misclassification_risk: 暴力降维、恶意升维或手段错配风险。
• recommended_clarifying_questions: 上下文不足时必须给出需要补问的问题。
• recommended_next_step: 检索、工程拆解、共识协调、补充上下文或不调用。
• next_model_candidates: 后续可调用模型 ID。

深度控制

原则：先定性，再决定是否进入深层模型。

停止条件：

• 如果只是明确事实查询，停止在提问层并建议检索。
• 如果已明确是执行任务，停止继续路由。
• 如果分类证据不足，先输出 evidence_gap 并要求补充上下文。
• 如果负向触发命中且没有复杂问题信号，输出 classification=no_call。

过度调用警告：QPI 是前置路由模型，不应替代后续具体分析模型。

产品化建议

QPI 应作为问题回答系统的前置路由模型，用于防止系统在问题类型错误的情况下直接给答案。

selector 应优先使用 trigger_keywords、negative_triggers、pipeline_position 和 selection_priority 做规则推荐。

版本信息

• version: 0.1
• last_updated: 2026-06-17
• status: draft