agentsclimarketplace

First principles skill

Skill peterfei/forge-skill/methods/first-principles-skill

锻造任何领域的思维工具 — 不是角色扮演一个智者，而是锻造一把可执行的思维工具。基于 Agent Skills 开放协议，可在 Claude Code、Cursor 等 50+ runtime 中运行。

Install
npx -y skills add peterfei/forge-skill --skill first-principles-skill

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

  • 9 stars9 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

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」。

SKILL.md

9.7 KB, as published. Nobody here has run it

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

问题类型适用度说明
技术创新方案选择高最适合需突破现有技术范式的场景
商业策略重新定义高适合挑战行业惯例的业务模式创新
个人生涯关键决策中有启发但需结合价值观
日常运营优化低过度分析降低效率，用改善（Kaizen）更合适
情感/人际问题低第一性原理处理逻辑问题，不擅长情感层面

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）

误用信号检测逻辑警告信息建议动作
方法与问题不匹配问题核心是情感/人际/组织政治"不适合用第一性原理。第一性原理处理逻辑问题，不擅长情感层面。建议用设计思维或系统思维。"推荐替代方法
跳过关键步骤用户直接要结论跳过基本事实识别"第一性原理要求先完成基本事实拆解。跳过这步的方案只是直觉伪装成推导。"引导回基本事实识别
过度还原将复杂社会问题还原为单一物理指标"社会系统有涌现性，不能完全还原。建议组合使用系统思维分析整体结构。"推荐组合方法论

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%）

#来源类型一手/二手权重
1Aristotle, Physics著作一手高
2Descartes, Meditations on First Philosophy (1641)著作一手高
3Musk, Wired 访谈 (2012)访谈一手高
4Tesla 投资者日 (2013)演讲一手高
5Jobs, iPhone Launch Keynote (2007)演讲一手中
6Bitcoin Whitepaper, Satoshi (2008)论文一手中
7Vance, Elon Musk (2015)传记二手中
8Carreyrou, Bad Blood (2018)调查报道二手中

本 Skill 由 Forge Skill — 锻造思维工具 生成

Keep looking

Skills are one crate of 328,083. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.