Cognitive Forge

Cognitive Forge (认知锻造)

One run, dual value — 每次运行同时产出两个价值：

1. 用户获得 F.A.C.E.T. 深度分析，提取可立即应用的思维模型
2. AI 获得 永久写入 patterns/{id}.md 的决策框架（带 YAML frontmatter），构建可复用的思维模型库

随时间积累，你的 AI 拥有一个不断增长的决策框架库（类似 Charlie Munger 的 "latticework of mental models"），在未来任何领域的提问中都可以引用。

Path Convention

所有路径均相对于 OpenClaw workspace 根目录（通常为 ~/.openclaw/workspace/）。 如用户 workspace 位于其他位置，请将文档中的路径替换为实际 workspace 路径。

Routing (路由分支)

根据用户意图，选择不同的执行路径：

Depth mode 触发方式：

1. 手动触发：用户说"深度分析《XXX》"或传入 depth_mode: depth
2. 定时触发：HEARTBEAT-reading.md 中可配置 depth: true，调度时传入该参数则自动走 depth mode

Status Branch (知识库统计)

当用户请求查看知识库状态时：

1. 统计 memory/knowledge-base/patterns/ 目录下 .md 文件数 = 模型总数
2. 读取 memory/reading-history.json，统计：
   • 已读书籍总数（used_models 数组长度）
   • 各领域分布（按 category 分组计数）
   • 最近 5 条记录
3. 输出格式：

## 📊 认知锻造 · 知识库状态

**模型总数**: XX 个思维框架
**已读书籍**: XX 本
**知识库大小**: XX KB

### 领域分布
| 领域 | 模型数 | 占比 |
|------|--------|------|
| Business Strategy | 5 | 25% |
| Psychology | 3 | 15% |
| ... | ... | ... |

### 最近 5 条
1. 2026-03-27 | 《反脆弱》 | 反脆弱三元组
2. ...

### 覆盖薄弱领域
⚠️ Philosophy (0), Biography (0) — 建议补充

Review Branch (间隔复习)

触发方式：

• 用户手动说 "cognitive-forge review"
• 当 HEARTBEAT-reading.md 配置了周日时段时，自动在周日 briefing 中插入复习环节

执行逻辑：

1. 读取 memory/reading-history.json，筛选最近 7 天的 used_models 记录
2. 随机抽取 2-3 个模型
3. 输出复习问答：

## 🔄 本周复习：你还记得这些模型吗？

**1.「逃离机制」来自《逃离不平等》**
- 核心框架是什么？（回忆 [F]）
- 什么时候会失效？（回忆 [E]）

**2.「双系统理论」来自《思考，快与慢》**
- 它摧毁了什么常识？（回忆 [C]）
- 你上周在工作中用到了吗？

> 回复你的答案，我帮你查漏补缺。

Main Workflow

Step 0. Environment Check (首次使用自检)

每次运行开始时执行，静默完成（不打断用户）：

1. 检查 memory/reading-history.json 是否存在

   • 不存在 → 自动创建初始文件：

     {
       "schema_version": 1,
       "last_attempted": null,
       "queue": [],
       "used_models": []
     }

2. 检查 memory/knowledge-base/ 目录 是否存在

   • 不存在 → 自动创建目录

3. 检查 memory/knowledge-base/patterns/ 目录 是否存在

   • 不存在 → 自动创建目录

4. 检查 memory/knowledge-base/concepts.md 是否存在

   • 不存在 → 创建带标题的空文件

5. 检查 USER.md 是否存在

   • 不存在 → 输出提示：💡 建议创建 USER.md（职业、兴趣、当前挑战），以获得个性化的 [T] Transfer 分析。
   • 存在 → 静默读取，提取用户画像

6. 检查依赖 skill 是否可用

   • book-scout 和 mental-model-forge 必须可调用
   • 不可用 → 报错并停止

7. 检查 last_attempted 字段

   • 如果 status == "failed" → 提示用户：

     ⚠️ 上次运行在「{step}」步骤失败（书籍: {book}）。
     是否要恢复上次操作？回复"是"恢复，或"否"跳过。

Step 1. Select Book (选书)

选书来源优先级（从高到低）：

来源 1: 用户直接指定

如果用户明确说了 "分析《XXX》by YYY"，直接使用该书，跳过选书流程。

• 标记 source: "user_specified"

来源 2: 预排队列

检查 memory/reading-history.json 的 queue 数组：

{
  "queue": [
    {"title": "《穷查理宝典》", "author": "彼得·考夫曼", "topic": "决策科学"}
  ]
}

• 如果 queue 非空 → 取第一项，从 queue 中移除
• 标记 source: "queue"

来源 3: book-scout 网络搜索

当 queue 为空且用户未指定时，调用 book-scout skill。

确定搜索主题：

1. 检查 HEARTBEAT-reading.md 是否有自定义主题映射（## 主题映射 section）
   • 如有 → 使用自定义映射
2. 否则使用默认星期-主题映射：

可配置: 用户可在 HEARTBEAT-reading.md 中添加 ## 主题映射 section 覆盖默认值。 也可以按时段细分（参考 HEARTBEAT-reading.md 中的 21 主题轮转配置）。

加载去重列表（书名去重）：

从 memory/reading-history.json 提取所有 book_title 字段值，去重后作为已读书名列表。

重要：不读取 thinking-patterns.md 或 patterns/*.md。去重只需要书名，不需要模型内容。

调用 book-scout：

主题: {topic}

已读书籍:
- 《精益创业》
- 《从0到1》
- 《影响力》

执行 book-scout skill，搜索符合主题的经典书籍。

重试机制：

• Attempt 1 失败 → 等 2s → 重试
• Attempt 2 失败 → 等 3s → 重试
• Attempt 3 失败 → 返回错误给用户：

  ⚠️ 选书失败：{error}
  已尝试 3 次。你可以直接指定书籍："分析《书名》by 作者"

book-scout 成功返回：

{
  "book_title": "《增长黑客》",
  "author": "肖恩·埃利斯",
  "author_nationality": "美国",
  "publish_date": "2015-04",
  "rating": 8.5,
  "review_count": 10000,
  "score": 74.4,
  "summary": "增长黑客方法论...",
  "reasoning": "评分8.5且有1万真实评价..."
}

标记 source: "web_search"，进入 Step 2。

更新 last_attempted：

"last_attempted": {
  "date": "YYYY-MM-DD",
  "book": "《增长黑客》",
  "step": "book_selection",
  "status": "success"
}

Step 2. Extract Mental Model (提取思维模型)

Breadth Mode (默认)

调用 mental-model-forge skill，对选中的书进行 F.A.C.E.T. 分析，提取 1 个核心思维模型。

Depth Mode

当用户指定 depth_mode: depth 时，对同一本书连续提取多个思维模型：

工作流：

1. 第 1 次调用 mental-model-forge，提取书中最核心的思维模型
2. 将已提取的模型名称作为 exclude_models 参数，再次调用：

   这本书是《反脆弱》。
   exclude_models: ["反脆弱三元组"]
   请提取这本书中另一个独立的、不同的思维框架。

3. 重复直到三重退出条件任一触发：

4. 每提取一个模型，立即执行 Step 4-5（写入知识库 + 更新记录）
5. 所有模型提取完毕后，合并为一份报告执行 Step 3 + Step 6（生成简报 + 写入外部数据库）

Step 2.5. F.A.C.E.T. Quality Verification (结构化验证)

mental-model-forge 返回后，执行以下自检：

• 完整性: 5 个维度 [F][A][C][E][T] 是否都有实质内容（非空、非占位符文本）
• [F] 字数: Framework 是否 ≤ 80 字（中文）或 ≤ 50 words（英文）
• [T] 个性化: Transfer 是否引用了 USER.md 中的具体信息（职业、项目、挑战）
  • 如果 USER.md 存在但 [T] 未引用任何用户上下文 → 验证失败
• 质量自评: 整体分析质量 1-10 分

处理：

• 自评 ≥ 7 分且全部检查通过 → 进入 Step 3
• 自评 < 7 分或任一检查失败 → 重新调用 mental-model-forge（最多重试 1 次）
• 重试后仍不合格 → 使用当前版本但在输出中标注 ⚠️ 本次分析质量未达标，建议后续深入阅读

Step 3. Generate Briefing (生成简报)

输出模式（默认 full）：

Full Mode (默认)

创建完整结构化简报，必须适配用户上下文：

[强制步骤] 读取 USER.md：

• Path: USER.md（相对于 workspace 根）
• 如果存在，提取：
  • 工作经历 / 现在 → profession
  • 兴趣 / 爱好 → interests
  • 当前焦虑 / 未来规划 → current challenges
• 如果不存在 → 使用通用第二人称（"你"），可追问用户背景

输出结构：

## 📖 今日思维锚点

**书籍**: 《XXX》 - 作者
**核心一句话**: [今日思维锚点，一句话总结]

---

## 🧠 F.A.C.E.T. 认知穿透

### [F] Framework (核心框架)
[核心机制，≤80字中文]

### [A] Anchor Case (锚定案例)
[最经典的真实案例，生动讲述]

### [C] Contradiction (反共识摧毁)
❌ 被摧毁的常识: "..."
✅ 真相: ...

### [E] Edge (隐性边界)
失效条件:
1. ...
2. ...

### [T] Transfer (跨界迁移)
[映射到用户的实际上下文：职业、项目、挑战]

---

## 🎯 应用场景

| 场景 | 如何应用 | 预期效果 |
|------|---------|---------|
| [场景1：映射用户职业] | ... | ... |
| [场景2：映射用户项目] | ... | ... |
| [场景3：映射用户挑战] | ... | ... |

## 🔴 反面案例
[违反该原则的真实或假设案例]

## 🤔 战略拷问
[尖锐、具体、可行动的问题，引用用户实际上下文]
- Bad: "企业家应该怎么做？"
- Good: "你在爱康国宾的 AI 产品，是在避免失败还是利用失败？"

## 🔄 认知模式更新
**思维框架**: 看到XX → 想到XX
**决策原则**: 在XX场景下，应该XX而非XX
**盲区警告**: 小心XX情况
**反射弧**: 看到XX信号 → 联想到这个模型 → 判断/行动

---

> 💬 这个模型让你想到工作中的哪个具体场景？回复我，我帮你深入分析。

个性化规则：

• 始终用第二人称（"你的"、"你在"）
• [T] Transfer 必须引用用户具体信息（职业、项目名、公司名）
• 战略拷问必须具体到用户当前处境，不可泛泛而谈
• 应用场景 ≥ 3 个，分别映射用户的不同维度

Brief Mode

当用户指定 output: brief 时，输出精简版：

## 📖 《书名》 - 作者

**核心框架**: [F] 一句话总结核心机制
**破除常识**: [C] 被摧毁的常识信念
**应用到你**: [T] 一个具体行动项（映射用户上下文）
**盲区**: [E] 何时失效

💡 想看完整分析？说 "展开" 即可。

• brief 模式同样执行完整的知识库写入流程（Step 4-6），只是输出给用户的部分精简
• 用户说 "展开" 后，输出完整 full 模式内容

Depth Mode Output (合并报告)

当 depth mode 提取了多个模型时，合并为一份报告输出：

## 📖 深度解析：《书名》 - 作者

**提取模型数**: N 个 | **模式**: Depth

---

### 💎 模型 1: [Model Name]

**[F] 核心框架**: [一句话，≤80字]
**[A] 锚定案例**: [最经典案例，2-3句]
**[C] 破除常识**: ❌ "..." → ✅ ...
**[E] 失效边界**: [何时失效]
**[T] 迁移应用**: [映射用户上下文]

---

### 💎 模型 2: [Model Name]

（同上结构）

---

### 💎 模型 3: [Model Name]

（同上结构）

---

## 🔗 模型关联分析

| 模型 | 核心逻辑 | 适用场景 | 与其他模型的关系 |
|------|---------|---------|----------------|
| 模型1 | ... | ... | 与模型2互补 / 与模型3矛盾 |
| 模型2 | ... | ... | ... |
| 模型3 | ... | ... | ... |

## 🤔 综合战略拷问

[基于所有模型的综合视角，提出一个更深层的战略问题]

关键区别：

• 每个模型的 F.A.C.E.T. 用精简格式（各维度 1-3 句，不展开）
• 新增「模型关联分析」表格 — 展示模型间的互补/矛盾/递进关系
• 战略拷问基于所有模型的综合视角，而非单个模型