太虚五转：Vibe Coding 时代的认知流水线

一套给 AI 用的认知方法论 Skill 包：把「发散 → 收敛 → 验证 → 审查 → 归真」变成可执行、可强制、可迭代的工程管线。

这是什么

太虚五转是一套认知方法论 Skill 包，为 Claude Code 等 AI Agent 平台设计。

核心问题：AI 给你的方案，从「想到」到「靠谱」之间，有很长的路。它帮你找到方案，但方案的前提对不对？它帮你审查漏洞，但审完之后，被否掉的东西里有没有被误杀的？这些中间环节，单个 Prompt 解决不了。

太虚五转的解法：把认知过程拆成五步（发散、收敛、验证、审查、归真），每一步做成一个独立 Skill，可以单独用，也可以一键连招。

目录

• 底层逻辑
• 太虚五转
• 一转·散怀（Osborn）
• 二转·澄源（Hegel）
• 三转·叩实（Bayes）
• 四转·破妄（Feynman）
• 五转·归真（Debono）
• 连招：taixu-pipeline
• 外围 Skill：Socrates
• 应用场景
• 安装
• 使用
• 未来规划

---

底层逻辑：两套核心框架

方法论不是凭空设计的。太虚五转的底层，是两套核心框架：一个管「确定性的问题」，一个管「非确定性的问题」。

框架一：第一性原理 + 贝叶斯公式 + 奥卡姆剃刀法则

出处是孟岩老师的播客《无人知晓》E45《人何以自处》，嘉宾是李继刚老师。他分享了自己的思考框架：「万有理论 + 贝叶斯公式 + 奥卡姆剃刀法则」。

这三个不是随便挑的公式，搭在一起才看出整体的力量：

• 贝叶斯公式是最底层的。人的认知带宽有限，宇宙的信号无限，先验永远是片面的。所以它必然带来两个品质。信仰贝叶斯的人，谦卑和开放不是表演出来的，而是他的底色：一是谦卑，因为别人可能有你没有的取景框；二是开放，因为新信息是更新先验的唯一途径。
• 奥卡姆剃刀讲的是「如无必要，勿增实体」。面对一千个变量，大部分是表象，只有少数几个是维度级的，它们构建了坐标系。找到这几个，就找到了秩。
• 万有理论是思考的终极方向：纷繁现象下面，应该有一个最简洁的框架能统摄一切。

这个框架的隐含假设是：世界是可知的、收敛的。确定性问题（代码、数学），这个假设成立。但万有理论至今没找到，所以我把它修正为「第一性原理」：万物都可以一层层往下拆。

框架二：有界贝叶斯 + 相变识别 + 时间成本最优

组织决策、社会演化、技术选型这些非确定性问题，第一个框架失灵了。失灵的深层原因不是「系统太复杂」，而是更根本的：你可能根本没有「下一轮」去更新先验。一条河的平均深度是 1 米，但如果你在某一步踩到 3 米深的坑，你就淹死了。

所以第二个框架是第一个的辩证修正：

• 有界贝叶斯：贝叶斯假定你可以一直更新先验，但有界贝叶斯加了一个硬约束：你可能被踢出局，没有「下一轮」。证伪证据的权重远高于证实证据：一万只白天鹅不能证明「所有天鹅都是白的」，一只黑天鹅就能推翻它。
• 相变识别：奥卡姆帮你找到维度级变量，但复杂系统最危险的地方是：这几个变量一直正确工作，直到某个临界点突然全部失效。水在 99°C 和 101°C 的区别不是「更热一点」，而是液态和气态的质变。相变识别监测的是「规则本身是否正在改变」。
• 时间成本最优：确定性问题追求「找到正确答案」，非确定性问题是在一条只有单程票的时间线上做选择。首要目标不是「找到最优方案」，而是「确保系统可用、团队还能迭代」。先活下来，再谈最优。

反脆弱跟第二个框架是同一件事：肥尾效应就是相变识别的另一面，杠铃策略就是时间成本最优的操作层落地。

说到底就是一句话：算得清的算清楚，算不清的别硬算。前者靠脑力，后者靠心力。

---

太虚五转

根据这两套框架，衍生出 5 个 Skill，每个对应一位大师级人物，形成一套组合拳。

转	Skill	大师	中文名	核心职责
一	osborn	Alex Osborn	散怀	发散思维，把可能性空间铺开
二	hegel	黑格尔	澄源	迭代收敛，把发散的东西收拢
三	bayes	贝叶斯	叩实	事实验证，拿真实数据打脸
四	feynman	费曼	破妄	输出审查，找自欺的点
五	debono	德·博诺	归真	价值回溯，捡回被误杀的

五个 Skill 串在一起，就是一条完整的认知链路：发散 → 收敛 → 验证 → 审查 → 归真。

一转·散怀（Osborn）

对应大师：Alex Osborn，头脑风暴之父

面对一个问题，脑子里第一个冒出来的想法，往往会把后面的可能性全排除掉。这叫收敛过早。

AI 更严重。一旦 Agent 生成初始想法，就锚定了，后面所有推理围绕这个方向展开。这不是哪个模型的问题，是所有自回归语言模型的结构性问题：Token 顺序生成，前面的 token 构成后面 token 的上下文。模型一旦写下「方案一：用 Redis 做分布式锁」，后面就不会认真想「也许根本不需要分布式锁」。

Osborn 的解法：先不评判、不筛选、不排序，量先到位。然后用 SCAMPER 七算子（替代、组合、改造、修改、它用、去除、反转）做结构化补盲，再换几个视角（用户、技术、竞争对手、极端情况）扫剩下的死角。

案例：评估一个三方联动方案（PRD 状态流转自动识别 → 调 diagram skill 画图 → 调 handihe 出原型）。跑了一轮 Osborn，出了 68 个想法。

其中 SCAMPER 的反转算子问了一句「能不能从原型反推图表？」，跟原方案思路完全反过来。去除算子逼出了「事前确认还是事后修正」的取舍。改造算子借鉴编译器 AST，想把 PRD 当源代码建一套「业务规则 AST」再生成图表，设计上最重，但启发也最大。

不发散，你只看到一条路。发散完才发现，第一条路未必是对的。

二转·澄源（Hegel）

对应大师：黑格尔，辩证法

发散完了，68 个想法摊在那儿。哪些是真问题？哪些互相矛盾？

Hegel 的解法：把几种分析方法串成自动循环管线，每轮走三步：校准、挑战、深化。迭代收敛了就停，没收敛就再来一轮。

• 校准：这个判断有证据吗？置信度多少？
• 挑战：主动找茬，攻击自己的结论。
• 深化：活下来的结论再往下挖一层，根因是什么？边界在哪？

关键设计：零假设检验。不只找问题，还要问「如果原方案没问题，应该看到什么证据？」，这个设计是后来因 Feynman 审查发现流程偏差才加上的。

案例（续上）：68 个想法进 Hegel，跑 6 轮迭代，收成 10 个 finding。最要命的一条被标了 CRITICAL：「状态流转自动识别是个伪命题」：PRD 里写状态的方式五花八门，靠启发式规则根本泛化不了。后验风险从 0.70 降到 0.55 再到 0.40，三轮才稳住。最终裁定：条件发布，10 个 finding 里 8 个收敛了。

三转·叩实（Bayes）

对应大师：贝叶斯，概率论之父

10 个 finding 都有了置信度，但这是 AI 估的，靠谱吗？

Bayes 的解法：把每条结论拆成可查证的预测：「如果这个判断成立，那 A、B、C 应该是这样」。然后拿真实代码、读协议文件、交叉对比去验。被打脸的地方就是认知盲区，打得越狠收获越大。

为什么要交叉验证？因为同一条分析链路可能有共同盲点。两个独立视角看同一段代码，结论一致才算数，不一致本身就是信号。

案例（续上）：Hegel 说「B 类内容可以直接删掉，省 80 行」。Bayes 去代码里一查，134 行 B 类内容里只有 28 行在协议文件里有等价表述能直接删，剩下 106 行得先补协议文件。说好的 80 行，实际能砍的 28 行。

Hegel 的推理没毛病，但推理的前提是猜的。Bayes 干的事就是拿真东西去验这些猜。

四转·破妄（Feynman）

对应大师：费曼，物理学家

核心就是对抗式审查，但比简单的审查多了一层：BUG 好找，自欺难防。

AI 有一个倾向：自圆其说。费曼说「你不能欺骗自己」，但自欺最难防。

六条原则，借鉴了卡帕西 Claude.md 的核心原则，扩展到更广泛的领域：

原则	防的自欺类型	什么意思
P1 停下来想	假设未验证	「我觉得是这样」，你觉得不算数
P2 不确定性诚实	伪装确定性	「这个值肯定是 X」，你把猜测写成了事实
P3 设计要简	过度设计	「万一以后需要呢」，你在为不存在的需求写代码
P4 执行要准	附带伤害	「顺手改一下」，你在制造无法追溯的变更
P5 验收要闭环	自证清白	「应该没问题」，你在用想象替代实验
P6 数据要溯源	真相漂移	「这里也写一份」，你在制造终将偏离的副本

关键设计：独立 subAgent 隔离。审查员只看变更产物，看不到对话历史。隔离的是上下文，不是能力：审查者拿到的是 diff + 原则 + checklist，没有你的推理过程，没有「为什么这样改」的解释。同一个 Agent 写的代码自己审，上下文全是辩护理由。把理由拿掉，代码还站得住，那才算真站得住。

案例（续上）：Feynman 审完判了「不建议发布」，理由看起来很充分。但这正好暴露了一个问题：审查者用的标尺本身也需要被审查。这就要靠第五转。

五转·归真（Debono）

对应大师：爱德华·德·博诺，六顶思考帽的提出者

前四转形成了一条强大的批判管线，但批判管线有盲区：它擅长排除，不擅长保留。批判有时下手太重，把有价值的东西连同不可靠的部分一起扔掉了。

Debono 的解法：给被否掉的命题做逆向价值扫描。不问「为什么错」，问「什么情况下它对」。

五种构建策略：

• S1 逆向利益相关方：找到被批判视角忽略的群体，分析他们为何受益
• S2 条件缩窄法：把适用条件一步步收窄，找到「范围虽小但确实成立」的区间
• S3 时间延迟价值：往后看，什么条件变了会让它重新有价值
• S4 类比复活法：在别的领域找类似的、已经跑通的案例
• S5 反面代价法：不采纳的话，会丢掉什么机会

案例（续上）：Feynman 否决的 6 条命题全部起死回生。比如「30 秒统一超时」被批为拍脑袋，但 Debono 查了一圈业界：AWS CloudFormation、Kubernetes、Docker Build 都倾向统一超时。降低用户心智负担本身就是工程智慧，不是无知。最终结论从「不建议发布」翻转为：立即发布，分阶段改进。

费曼帮你排除坏的，但有时候好的也被一起排除了。Debono 就是从废墟里翻东西的那个人。

搭完框架后发现，五转跟德·博诺的「六顶思考帽」暗合：前四转对应绿帽（发散）、蓝帽（收敛）、白帽（事实）、黑帽（批判），第五转补上黄帽（价值肯定）。唯一没做成 Skill 的是红帽：直觉和情感是人独有的东西，不该交给大模型。

---

连招：taixu-pipeline

五个 Skill 可以单独用，也可以串成连招。

taixu-pipeline 是一个编排器，一键串联 osborn → hegel → bayes → feynman → debono，保证完整五转流程不被降级。

核心特性：

• CHECKPOINT：每步之间暂停，展示状态卡片（耗时、信号、偏离值），可选择继续 / 跳过 / 终止 / 重跑
• 选择性执行：--steps hegel,bayes 只跑其中几步
• 防嵌套机制：Hegel 内部会调用 Bayes 和 Feynman，pipeline 调用 Hegel 时传 --standalone 跳过内嵌调用，由后续独立 Skill 完整跑
• 时间日志：全程追踪各步耗时，用于 retro 分析和典型值校准

完整五转案例数据：

转	Skill	做了什么	核心数字
一	Osborn	68 个想法，SCAMPER 逼出反直觉角度	P1:21, P2a:26, P2b:21
二	Hegel	6 轮迭代，CRITICAL 风险三轮才稳住	10 finding → 8/10 收敛，风险 0.70→0.40
三	Bayes	拿真代码验证 Hegel 的建议	预估省 80 行，实际能省 28 行
四	Feynman	六原则自欺审查	3 HIGH + 3 MEDIUM，判定不建议发布
五	Debono	6 条被否命题全找到存活理由	推翻「不建议发布」，改为立即发布+分阶段改

五转之前，目标是「评估方案能不能做」。五转之后，结论变了：卡住的不是方案本身，是「完美主义标准太高」。

---

外围 Skill：Socrates

太虚五转管的是「自己的推理和产出」。但日常工作中，你每天都会碰到大量外部观点：行业分析、竞品报告、媒体报道、论坛帖子。

费曼防的是自欺，审的是自己写的东西。外部观点的问题不是你会自欺，是别人可能在忽悠你。

Socrates 用苏格拉底诘问法的三个维度审查外部论点：

• 事实核查：数据有没有选择性引用？案例描述有没有失真？外部论点最常见的手法不是撒谎，是只呈现部分真相。
• 对称性检查：这个批评是否同样适用于对照组？双方都有的毛病只拿一方说事，那叫修辞，不叫分析。
• 独立性检查：去掉这条论点，其他论点还成立吗？看似五六条论据，其实拴在一根绳上，抽掉一根全盘崩塌。

维度	Feynman 费曼审查	Socrates 苏格拉底诘问
审查对象	自己的推理/产出	外部论点/观点
方向	内省	外审
核心问题	我哪里可能自欺？	对手的论证可靠吗？
方法论	六条自欺原则	三维度审查（事实+对称性+独立性）
执行方式	独立 subAgent，隔离上下文	调用 bayes 做事实核查
使用场景	写完代码/方案后、提交前	看到第三方分析/行业观点后

Socrates 不在连招管线里，因为触发条件不同：五转是产出时主动跑的，Socrates 是看到外部观点时按需触发的。两者互补，一个管内部质量，一个管外部输入。

---

应用场景

太虚五转处理的是认知本身的问题，跟具体领域无关。

• 产品技术方案评估：Osborn 发散所有集成路径 → Hegel 收敛核心风险 → Bayes 验证前提是否成立 → Feynman 审查有没有自欺 → Debono 捡回被误杀的方案
• 投资分析：Osborn 发散所有角度 → Hegel 收敛核心判断 → Bayes 拿真实数据验 → Feynman 审查有没有骗自己 → Debono 看被否的标的是否真没价值
• 架构决策：Osborn 铺开所有方案 → Hegel 收敛找盲区 → Bayes 查代码验证 → Feynman 找流程级偏差 → Debono 捡回被过度批判的设计
• 内容创作：Osborn 发散切入角度 → Hegel 收敛论点结构 → Bayes 验证引用数据 → Feynman 审查论证有没有自欺 → Debono 看被删段落里有没有误杀的好观点

发散管空间，收敛管方向，验证管事实，审查管自欺，归真管价值。

---

安装

方式一：Claude Code

# 克隆仓库
git clone git@github.com:fainshare/Liam-Skills.git

# 复制需要的 skill 到 Claude Code 的 skills 目录
cp -r Liam-Skills/skills/osborn ~/.claude/skills/
cp -r Liam-Skills/skills/hegel ~/.claude/skills/
# ... 按需复制其他 skill

方式二：通用安装

每个 Skill 是一个独立的 SKILL.md 文件，兼容支持 SKILL.md 规范的 AI Agent 平台（Claude Code、Qoder、Aone Copilot 等）。将 skills/ 目录下的对应 Skill 复制到你的平台 skills 目录即可。

依赖

• 支持 SKILL.md 规范的 AI Agent 平台
• Bash 执行环境（部分 Skill 需要调用 shell 命令做验证）

---

使用

单独使用

在对话中直接触发对应 Skill：

# 发散
帮我发散一下这个方案的可行性
# 收敛
帮我收敛这些想法，找出核心问题
# 验证
帮我验证这个判断是否成立
# 审查
审查一下我刚写的代码/方案
# 归真
看看被否掉的方案里有没有被误杀的

一键连招

跑五转 / 一键五转 / taixu-pipeline

pipeline 会自动串联五步，每步之间暂停让你确认。

选择性执行

--steps hegel,bayes  # 只跑收敛和验证

---

未来规划

当前状态

6 个 Skill（太虚五转 + Socrates）+ 1 个编排器（taixu-pipeline）已开源。每个 Skill 可单独使用，也可连招。

下一步：打破单 Agent 天花板

当前五转流程在每一步内部，仍然是单 Agent 在做。这带来一个结构性限制：注意力隧道效应。

当模型沿一条推理路径深入时，会逐渐「看不到」其他维度的问题。这不是模型笨，而是 Transformer 注意力的结构性限制：上下文越长，早期 token 的影响力越弱。Agent 处理到第一万行 token 的时候，对第一行 token 的注意力已经衰减得很厉害了。

借鉴方向（参考 UltraPlan 的多 Agent 架构）：

• 发散阶段：不只是一个 Agent 闷头想，而是多个 Agent 各自带不同视角并行发散，然后合并想法池
• 验证阶段：引入独立 Agent 做交叉验证。两个独立视角看同一段产物，结论一致才算数，不一致本身就是信号
• 全流程：在关键节点引入异构 Agent 做审查，打破单一推理路径的注意力隧道

核心目标：让五转流程从「一个 Agent 换五顶帽子」变成「多个 Agent 各司其职、交叉验证」。

方法论自审

太虚五转 2.0 正在构建评估体系：定义评分维度、跑盲审、找偏差。用五转审一切，谁来审五转本身？答案是：五转审自己。用 Feynman 审查五转流程的偏差，用 Debono 捡回被过度批判的步骤。这套方法论不是一天想出来的，也不会在今天停住。

---

License

MIT

---

扫码关注公众号「时间黑客」