essence_cross_domain_methodology_20260511_deep_research

Z3 全文↑ Z2 条目

方法论库 · orphan · none

本页是 <code>contexts/methodology/essence_cross_domain_methodology_20260511_deep_research.md</code> 的逐字投影（仅隐私清洗，零改写）。

时点提示：本页是仓内文件 contexts/methodology/essence_cross_domain_methodology_20260511_deep_research.md 的逐字投影（仅做隐私清洗：仓库根绝对路径→相对路径、家目录→~/；除此零改写）。若源文件后续有修订，以仓内真源为准。

报告元数据（frontmatter）

name: essence_cross_domain_methodology_20260511_deep_research
description: 本质同构发现五步法
domain: cross
consumption:
  surface: none
  trigger: ""
  consumer: orchestrator
status: library
promoted_to: null

表面无关信息的本质同构方法论调研

日期: 2026-05-11
任务: 寻找一种能从表面无关信息中抽取共性、联系与底层结构的方法论, 并检查仓库中已有相关书籍与 skill 写法
使用路径: rules/skills/INDEX.md -> workflow_deep_research_survey.md / workflow_library_distillation.md / 本地 library skill 检索
版本判断: 新增调研报告, 属于对既有知识库的兼容扩展, 暂按 Y-level 处理, 本 session 不打 tag

0. 结论先行

用户要找的东西不应主要归入"归谬法"。归谬法适合做压力测试: 如果某个候选本质成立, 推到极端或反例处是否崩溃。它不是发现跨域共性的主引擎。

更准确的总方法是:

结构化溯因 + 关系类比 + 表征重写 + 反证压力测试

可命名为:

本质同构发现法

它的核心动作不是问"这两个东西像不像", 而是把两个对象都改写成关系、约束、因果、变换、反馈、失效模式, 然后检查哪些结构在换掉表面材料后仍然保留。

最小可执行定义:

把表面对象改写成结构记录。
删除领域名词, 保留关系和约束。
选择解释层级: 看哪个层级带来更强压缩、更好预测、更可行动的干预点。
做部分同构映射: 明确保住什么, 也明确丢失什么。
把迁移结论当假说, 用反例、竞争假设、极端情况和回填验证来筛掉伪同构。

1. 方法论内核

1.1 为什么不是单纯归谬法

归谬法的形式是: 假设 A 为真, 推出矛盾, 所以 A 不成立。它适合排除错误解释, 不适合主动生成候选解释。

这里真正需要的是先生成"可能的底层结构", 再用归谬式测试压它。因此它在流程中的位置应该是第 7 步以后, 而不是第 1 步。

1.2 推荐流程

定义用途

先写清楚为什么要找本质: 是为了解释、预测、迁移方法、设计系统, 还是压缩一堆案例。
没有用途, "本质"会退化成漂亮比喻。

把每个表面案例转成结构记录

记录 actors / roles / goals / constraints / resources / transformations / feedback / observables / failure modes。
禁止先写"这像 X", 先写结构。

删除领域名词

把"用户", "模型", "公司", "论文", "记忆", "流程"等名词暂时替换成 A/B/C。
如果删除名词后仍能描述机制, 才可能进入本质层。

选择解释层级

不是越底层越真。
好层级的标准是: 描述更短, 预测更稳, 干预点更清楚, 能解释更多案例的差异。

做候选同构映射

一一同构: X 的每个核心部件在 Y 中都有对应部件。
部分同构: 核心关系或效果保住, 外围细节可丢。
多对一/一对多同构: 多个表面机制在抽象层合并, 或一个抽象机制在不同领域展开。

优先迁移方法, 慎重迁移结论

从旧领域拿来的最好先是分析步骤、检查问题、失败模式。
不要直接把旧领域结论搬到新领域。

反证压力测试

找一个表面相似但机制不同的反例。
找一个表面不同但机制相同的正例。
问: 如果这个本质是真的, 哪些观察应该出现? 哪些观察不该出现?
问: 哪个子前提一旦失败, 整个映射就崩?

登记损失

所有跨域映射都要写清楚"保住了什么"和"没有保住什么"。
不登记损失的类比容易变成修辞。

2. 仓库内已有相关书籍与 skill

2.1 最相关的本地书籍

本地书籍	本地路径	与任务的关系	可直接复用的 skill / axiom
How to Solve It	`contexts/library/how_to_solve_it/`	把类比定义为关系一致, 不是表面相似	`rules/skills/drafts/how_to_solve_it/opus_v6/skills/analogy-by-relational-agreement/SKILL.md`
How to Solve It	`contexts/library/how_to_solve_it/`	通过变形、特殊化、一般化、类比来重构问题	`rules/skills/drafts/how_to_solve_it/opus_v6/skills/vary-the-problem-six-modes/SKILL.md`
Godel, Escher, Bach	`contexts/library/godel_escher_bach/`	用部分同构判断跨域对应, 不要求逐项相同	`rules/skills/drafts/godel_escher_bach/codex_v6/skills/judge-by-partial-isomorphism/SKILL.md`
Godel, Escher, Bach	`contexts/library/godel_escher_bach/`	选择能稳定压缩和预测的解释层级	`rules/skills/drafts/godel_escher_bach/codex_v6/axioms/AX_11_regularities-over-substrate.md`
The Sciences of the Artificial	`contexts/library/sciences_of_the_artificial/`	通过选择相关 features 重写表征, 让解显现	`rules/skills/drafts/sciences_of_the_artificial/opus_v6/skills/focus-of-attention-for-representation/SKILL.md`
Sources of Power	`contexts/library/sources_of_power/`	防止新手把表面相似误当因果相似	`rules/skills/drafts/sources_of_power/opus_v6/skills/novice-analogical-reasoning-failure/SKILL.md`
Psychology of Intelligence Analysis	`contexts/library/psychology_of_intelligence_analysis/`	用竞争假设与证伪来校验解释	`rules/skills/drafts/psychology_of_intelligence_analysis/gpt54_v6/skills/follow-six-step-scaffold/SKILL.md`
Pyramid Principle	`contexts/library/pyramid_principle/`	在结构缺失时做溯因: 生成规则候选, 设计 yes/no 测试	`rules/skills/drafts/pyramid_principle/kimi_v6/meta_skills/MS_03_structureless-abduction-pipeline.md`
Human Problem Solving	`contexts/library/human_problem_solving/`	追踪问题空间和方法从哪里迁移而来	`rules/skills/drafts/human_problem_solving/codex_v6/skills/diagnose-transfer-sources/SKILL.md`
How to Read a Book	`contexts/library/how_to_read_a_book/`	多书同题阅读时, 由读者主动建立共同问题网格	`rules/skills/drafts/how_to_read_a_book/gpt54_v6/axioms/AX_10_reader-built-syntopical-workflow.md`
Introduction to Cybernetics	`contexts/library/introduction_to_cybernetics/`	用 variety / constraint / observability 看跨系统共性	`rules/skills/drafts/introduction_to_cybernetics/kimi_v6/INDEX.md`
Cognition in the Wild	`contexts/library/cognition_in_the_wild/`	表征在系统中传播与变换, 适合分析分布式认知	`rules/skills/drafts/cognition_in_the_wild/codex_v6/INDEX.md`
A Pattern Language	`contexts/library/pattern_language/`	pattern 是跨情境的可复用问题-约束-解法结构	`rules/skills/drafts/pattern_language/codex_v6/INDEX.md`
The Nature of Order	`contexts/library/nature_of_order/`	关注整体场、中心、结构保留变换	`rules/skills/drafts/nature_of_order/codex_v6/INDEX.md`
Proofs and Refutations	`contexts/library/proofs_and_refutations/`	通过反例找到 guilty lemma, 反过来改造概念	`rules/skills/drafts/proofs_and_refutations/gpt54_v6/INDEX.md`

2.2 这批 skill 是怎么写的

这些已蒸馏 skill 的共同写法很适合复用:

先给触发条件, 不只给概念定义

例如 analogy-by-relational-agreement 写明语言信号: "这有点像", "结构上类似", "把 X 那一套搬过来"。
这让 skill 能在真实任务中被调用, 而不是停留在知识卡片。

强制区分表面相似和关系相似

analogy-by-relational-agreement 要求列出部件关系映射。
如果写不出至少一组关系对应, 就撤回类比。

承认部分同构, 但登记损失

judge-by-partial-isomorphism 不要求完全对齐。
但它要求先说明本次比较必须保住的效果, 最后写清没保住什么。

把"换个角度"变成 feature 选择流程

focus-of-attention-for-representation 要求列 features, 判断 goal 是否还能定义, 再构造新 problem space。
这避免了把 reframe 写成玄学。

每个 skill 都有反场景与失败模式

特别重要的是 novice-analogical-reasoning-failure: 新手最常见错误是按表面选类比, 漏掉因果差异。
这说明新建 skill 必须包含反例和 decoy trigger。

把知识源的盲点写进边界

例如 Pólya 的非数学跨域类比例子本身并不总是结构严谨, skill 中已经把这个盲点写入 caveat。
这比"名著说过"更可靠。

3. 外部相关书籍与资料

3.1 高优先级

Douglas Hofstadter & Emmanuel Sander, Surfaces and Essences

主题: 类比是思考的核心机制, 人通过不断把新情况归入已有范畴来抓住"本质"。
对本任务的价值: 这是最贴近"透过表面看本质"的书名和问题意识。
仓库状态: 未发现完整本地 library, 但已有 Godel, Escher, Bach 的相关 skill 可作为 Hofstadter 系谱的本地基础。
来源: Google Books

Dedre Gentner, Structure-Mapping: A Theoretical Framework for Analogy

主题: 好类比映射关系, 不是映射对象属性。
对本任务的价值: 给"表面无关, 结构相同"提供最核心的认知科学理论骨架。
仓库状态: 本地 how_to_solve_it critique 中已有 Gentner / Gick / Holyoak 相关引用。
来源: CiNii Research, Northwestern Scholars

Keith Holyoak & Paul Thagard, Mental Leaps

主题: 类比如何用于创造、问题求解、解释和沟通。
对本任务的价值: 比 Hofstadter 更偏方法论与认知机制, 适合补足 skill 的操作层。
来源: MIT Press

Gilles Fauconnier & Mark Turner, The Way We Think

主题: conceptual blending, 多个心理空间如何融合产生新结构。
对本任务的价值: 当两个领域不是简单匹配, 而是融合出第三种理解时, 它比普通类比理论更合适。
来源: Google Books

George Pólya, How to Solve It

主题: 类比、一般化、特殊化、辅助问题、回到定义。
对本任务的价值: 仓库已有高质量 skill, 可直接作为"方法迁移"层的基础。
仓库状态: 已有 contexts/library/how_to_solve_it/ 与 rules/skills/drafts/how_to_solve_it/opus_v6/。

Herbert Simon, The Sciences of the Artificial

主题: 问题表征、problem space、design science。
对本任务的价值: 教你怎样把"本质"从对象内部转移到任务相关 feature 与约束组合上。
仓库状态: 已有 contexts/library/sciences_of_the_artificial/ 与 rules/skills/drafts/sciences_of_the_artificial/opus_v6/。
来源: MIT Press

3.2 校验与防误判书目

Richards Heuer, Psychology of Intelligence Analysis

价值: 用 Analysis of Competing Hypotheses 防止自己只找支持证据。
仓库状态: 已有本地 library 与 skill。
来源: CIA Center for the Study of Intelligence

Imre Lakatos, Proofs and Refutations

价值: 用反例驱动概念修正, 不是只把反例当失败。
仓库状态: 已有本地 skill 草案。

Gary Klein, Sources of Power

价值: 强调真实专家识别的是功能性模式, 新手容易被表面特征骗。
仓库状态: 已有本地 skill 草案。

Gick & Holyoak, Analogical Problem Solving / Schema Induction and Analogical Transfer

价值: 经验研究提醒我们, 人不会自动发现跨域类比, 往往需要提示、对比或抽象 schema。
来源: University of Michigan Deep Blue, Deep Blue PDF

3.3 辅助书目

W. Ross Ashby, An Introduction to Cybernetics

价值: 把跨域共性看成 variety、constraint、feedback、black box、regulator 等结构。
仓库状态: 已有本地 library 与 skill 草案。
来源: W. Ross Ashby Digital Archive

Christopher Alexander, A Pattern Language / The Nature of Order

价值: pattern 不是主题分类, 而是可跨情境复用的问题-约束-解法结构。
仓库状态: 已有本地 library 与 skill 草案。
来源: PatternLanguage.com, Oxford University Press AU

George Lakoff & Mark Johnson, Metaphors We Live By

价值: 说明隐喻如何组织理解。
使用边界: 它适合解释概念框架, 不足以单独支撑方法迁移。隐喻必须接受关系映射与反证测试。
来源: University of Chicago Press

Arthur Koestler, The Act of Creation

价值: bisociation, 即把两个原本分离的 thought matrices 连接成新意义结构。
使用边界: 更偏创造力理论, 操作性弱于 Gentner / Pólya / Simon。
来源: Google Books

Mortimer Adler & Charles Van Doren, How to Read a Book

价值: syntopical reading 适合多书同题抽取共同问题、共同术语与分歧。
仓库状态: 已有本地 library 与 skill 草案。

4. 可组合的本地 skill 路线

如果任务是"从一堆表面无关材料中找到共性", 推荐按这个顺序组合现有 skill:

how_to_read_a_book/gpt54_v6/axioms/AX_10_reader-built-syntopical-workflow.md

先建立问题网格, 防止每本书各说各话。

sciences_of_the_artificial/opus_v6/skills/focus-of-attention-for-representation/SKILL.md

把每个材料重写成任务相关 feature 集。

how_to_solve_it/opus_v6/skills/analogy-by-relational-agreement/SKILL.md

在 feature / relation 层做类比, 不按名词做类比。

godel_escher_bach/codex_v6/skills/judge-by-partial-isomorphism/SKILL.md

允许不完全相同, 但要说明核心效果是否保留。

pyramid_principle/kimi_v6/meta_skills/MS_03_structureless-abduction-pipeline.md

当共性还不清楚时, 生成候选规则并设计 yes/no 测试。

psychology_of_intelligence_analysis/gpt54_v6/skills/follow-six-step-scaffold/SKILL.md

用竞争假设和证伪检查防止 confirmation bias。

proofs_and_refutations/gpt54_v6/INDEX.md

遇到反例时, 找 guilty lemma, 让概念变锋利。

5. 如果新建 skill, 应该这样写

建议新 skill 名:

discover-essential-isomorphism

中文名:

从表面无关信息中发现本质同构

5.1 触发条件

应该触发:

"这几个东西表面无关, 但我感觉有共同结构"
"帮我透过表面看本质"
"这些案例背后的共同机制是什么"
"这个领域的问题能不能迁移到另一个领域"
"我不想按主题分类, 我想按底层结构分类"
"这些材料之间有没有隐含联系"

不应该触发:

只是在找相同关键词或主题标签
只需要文学修辞上的比喻
要求协议、格式、API 的字节级兼容
已经有明确 taxonomy, 只需要归档

5.2 执行骨架

写目标

本次找本质是为了解释、预测、迁移、设计, 还是压缩。

列案例

每个案例用同一张结构表描述: 角色、目标、约束、资源、变换、反馈、失败模式。

去名词化

将领域名词替换成中性变量, 看机制是否还可表达。

提出 2 到 5 个候选本质

每个候选本质都必须能覆盖至少两个表面不同的案例。

做关系映射

列出 source / target 的对应关系。
标注是 one-to-one、partial、many-to-one 还是 analogy-only。

选择最小解释层级

优先选择能压缩更多案例、保留预测力、且不吞掉关键差异的层级。

反证与负例

给每个候选本质找一个可能击穿它的案例。
说明击穿的是核心前提还是外围表述。

输出

输出"本质结构"、"适用范围"、"不适用范围"、"可迁移方法"、"不可迁移结论"。

5.3 必备边界

类比不是证据, 只是候选生成器。
隐喻不是方法, 除非能写出关系映射。
抽象不是删除细节, 而是只删除对目标无关的细节。
部分同构合法, 但必须登记损失。
反例不是坏消息, 它常常是在帮你发现真正的概念边界。

6. 本次检索记录

本地检索:

已检查 rules/skills/INDEX.md
已检查 workflow_deep_research_survey.md
已检查 workflow_library_distillation.md
已检查 workflow_version_evolution.md
已用 rg 搜索同构、类比、abduction、analogy、Gentner、Hofstadter、surface、essence 等关键词
已检查多个本地 library 和 rules/skills/drafts/*/INDEX.md

工具限制:

尝试运行 tools/semantic_search/main.py 时失败, 原因是当前 Python 环境缺少 openai 模块。
因此本次本地发现主要依赖 rg、目录索引与已蒸馏 skill 文件。

外部来源:

7. 最终建议

如果要把它做成"必有的方法论", 不要从"归谬法"命名。建议以"本质同构发现法"为中心, 下面挂四个操作模块:

表征重写: 来自 Simon。
关系类比: 来自 Pólya / Gentner / Holyoak。
部分同构: 来自 Hofstadter / GEB。
反证校验: 来自 Heuer / Lakatos / 归谬法。

这样它既能发现联系, 又不会滑向"万物皆可类比"。

← 返回方法论库索引 · 返回方法论区