思维方法论
人类经典思考框架如何被 AI 复制和执行——从第一性原理到 TRIZ，从个人学习到商业决策的结构化思维工具箱
核心观点
-
AI 需要思维框架才能从”通用”变”专业”：大语言模型是通用推理引擎，没有框架引导时只能给出泛泛回答。同一个市场分析问题，无框架回答 vs 五力分析框架回答，信息密度差 5 倍。方法论 Skill 让 AI 从”什么都知道一点”变成”按专业流程分析”——来源：2026-06-13-forge-skill-12-methodologies
-
方法论可以被”锻造”成可执行的 AI Skill：Forge Skill 项目验证了”深度调研原著 → 提炼核心原理 → 构建操作协议 → 质量验证 → 生成 Skill 文件”的完整锻造流程。一手来源占比超过 70%，每个原理至少 2 个跨领域验证——来源：2026-06-13-forge-skill-12-methodologies
-
12 个方法论覆盖四大决策场景：认知思考（第一性原理、系统思维、奥卡姆剃刀、费曼学习法）、商业决策（精益创业、增长黑客、五力分析、改善/Kaizen）、产品设计（设计思维、双钻模型）、工程创新（TRIZ、事前验尸）——来源：2026-06-13-forge-skill-12-methodologies
-
事前验尸是被低估的高 ROI 方法论：项目启动前花 30 分钟跑一遍，能省掉事后 30 天的救火。Gary Klein 实验证明能多识别 30% 风险。在 Forge Skill 项目中增长最快，说明实用性驱动采用而非知名度——来源：2026-06-13-forge-skill-12-methodologies
-
费曼学习法在 AI 时代获得了新生命：传统费曼法需要真人听众，AI 可以同时扮演学生、家教和考官三种角色，实现 24 小时自适应学习。结合 30 天学习计划，成为 AI 增强学习的核心方法——来源：2026-06-02-bnext-100-ai-prompts-map、2026-06-09-ai-as-teacher-not-writer
知识体系
认知方法论：更清晰地思考
认知方法论帮助人（和 AI）在面对复杂问题时建立正确的思考路径。包括 第一性原理（拆到基本事实重新推导）、系统思维（理解反馈循环和非线性因果）、奥卡姆剃刀（假设最少的方案更容易验证）、费曼学习法（用教别人来检验理解深度）。这四个方法论互相补充：第一性原理负责拆解，系统思维负责全局，奥卡姆剃刀负责简化，费曼法负责验证理解。
商业战略方法论：更好的决策
商业方法论将战略分析结构化。精益创业 解决”不确定环境下怎么低成本试错”（Build-Measure-Learn 循环，Dropbox 用 3 分钟视频验证需求），增长黑客 解决”怎么系统化找到增长杠杆”（北极星指标 + 全漏斗实验），五力分析 解决”这个行业值不值得进”（五种竞争力量决定利润率），改善 解决”怎么持续提升”（丰田每年百万条员工建议，从战后废墟做到全球标杆）。
设计创新方法论：更好的产品
设计方法论将用户需求转化为产品方案。设计思维 以用户共情为起点（不是问用户要什么，而是观察他们真正经历什么），双钻模型 用两轮发散收敛确保”做对题”（大多数产品失败不是解错题而是做错了题）。两者结合形成”发现真实问题 → 发散方案 → 收敛最优解”的完整链路。
工程与方法论：系统性解决问题
工程方法论将创新和风险管理系统化。TRIZ 从 4 万份专利中提炼发明规律（真正的创新不是灵感，是可以像解方程一样系统化求解），事前验尸 在项目启动前假设已失败反推原因（多识别 30% 风险）。两者分别对应”怎么系统化创新”和”怎么系统化避险”。
素材汇总
| 素材 | 核心贡献 | 详见 |
|---|---|---|
| Forge Skill：12 个经典方法论做成 AI Skill | 完整展示 12 个方法论的定义、应用场景和 AI Skill 化路径，验证”三重验证”锻造流程 | 2026-06-13-forge-skill-12-methodologies |
关键概念
- 第一性原理 — 拆到基本事实重新推导，SpaceX 火箭成本降到行业 1/10
- 系统思维 — A 和 B 互相影响形成循环，复杂问题的”治本”工具
- 奥卡姆剃刀 — 同等解释力下选假设最少的方案
- 费曼学习法 — 用简单语言教别人来检验理解深度
- 精益创业 — Build-Measure-Learn 循环，Dropbox 用 3 分钟视频验证需求
- 增长黑客 — 北极星指标 + 全漏斗实验 + 啊哈时刻
- 五力分析 — 五种竞争力量决定行业利润率
- 改善 — 每天进步 1%，丰田百万条改善建议
- 设计思维 — 以用户共情为起点重新定义问题
- 双钻模型 — 两轮发散收敛，先探索正确问题再探索正确方案
- TRIZ — 4 万份专利提炼的发明规律
- 事前验尸 — 项目启动前假设已失败，反推原因
- Forge Skill — 方法论锻造为 AI Skill 的开源项目
- Skill — AI 的程序性知识包
综合分析
不同素材的交叉视角
目前仅有 1 篇素材覆盖此主题。后续素材可从以下角度补充：
- 各方法论的学术原著深度解读（Forge Skill 文章侧重概述，未展开每个方法论的完整操作协议）
- 方法论之间的组合使用策略（如第一性原理 + 奥卡姆剃刀用于技术选型）
- 企业场景中的方法论落地案例
趋势与判断
- 方法论 Skill 化将成为 AI 协作的标配：当 Skill 生态成熟后，“装一套方法论 Skill”会像”装一个 VS Code 插件”一样自然。Forge Skill 验证了这条路径可行。
- 从”工具 Skill”到”思维 Skill”的跃迁：当前 Skill 生态以工具类 Skill 为主（代码规范、数据处理），Forge Skill 开辟了”思维类 Skill”新赛道——不是帮 AI 做事，而是帮 AI 想事。
- 一手来源质量是护城河：Forge Skill 强调”一手来源占比超 70%“和”每个原理至少 2 个跨领域验证”，这种质量标准会成为方法论 Skill 的竞争壁垒。
未解决的问题
- 12 个方法论的操作协议细节未在本文中完整展开（需查看各 Skill 的源文件）
- 方法论 Skill 的效果量化评估方式未提及（如何衡量”用了五力分析 Skill 的回答确实更好”）
- 多个方法论 Skill 联合使用的编排策略未讨论