| name | morphism-mapper |
| description | Category Theory Morphism Mapper v3.0 - 基于范畴论的跨领域结构映射工具，将 Domain A 的问题结构映射到远域 Domain B，借助 B 领域的成熟定理生成非共识创新方案。当用户需要解决复杂问题、寻找创新思路、突破思维定势、进行跨学科类比、或新增/扩展领域知识时使用。支持基础四阶段流程（提取范畴骨架→选择异构域→执行结构映射→拉回合成提案）、高级按需挂载模块（Yoneda Probe、Natural Transformation、Adjoint Balancer、Limits/Colimits）、以及领域知识管理（新增自定义领域、升级领域版本）。触发关键词包括"看不穿商业模式"、"环境变了需要转型"、"方案如何落地"、"多领域交叉验证"、"增加易经思想领域"、"升级领域知识"等。 |
Category Theory Morphism Mapper v3.0
基于范畴论的函子映射逻辑，将 Domain A 的问题结构映射到远域 Domain B，借助 B 领域的成熟定理生成创新方案。
版本: v3.0
更新日期: 2025-02
领域数量: 31个内置领域（27个原有 + 4个新增）
领域版本: V2（100基本基石 + 14 Objects + 14 Morphisms + 18 Theorems）
核心改进: 基于Morphism结构匹配的智能领域选择（16种动态标签，100%标注覆盖率）
核心原理
- Object Preservation: 识别 Domain A 核心实体
- Morphism Preservation: 识别实体间动态关系
- Composition Consistency: 映射结果可拉回并保持逻辑闭环
使用模式
模式一：快捷命令（问题求解）
/morphism-extract "问题描述" - 提取范畴骨架/morphism-domains - 列出可用 Domain B/morphism-map <domain> - 执行到指定领域的映射/morphism-synthesize - 拉回合成生成提案/morphism-config - 配置和扩展
模式二：对话引导（问题求解）
直接描述问题，自动进入四阶段流程：
- Category Extraction - 提取范畴骨架
- Domain Selection - 推荐 Domain B
- Functorial Mapping - 执行结构映射
- Pull-back & Synthesis - 生成提案
模式三：领域知识管理（新增功能 v2.5）
新增领域：
/morphism-add-domain "领域名称" - 基于V2标准创建新领域/morphism-add-domain "易经思想" - 示例：增加易经思想领域/morphism-add-domain "中医" - 示例：增加中医领域/morphism-list-domains - 查看所有领域（包括自定义）
快捷用法示例：
"morphism-mapper技能增加易经思想领域" → 自动创建易经思想领域文件"增加中医领域到morphism-mapper" → 自动创建中医领域文件"新增领域：孙子兵法" → 自动创建孙子兵法领域文件
内置领域清单（v2.5 - 27个领域）
物理学与复杂性科学
quantum_mechanics - 量子力学（叠加态、不确定性、纠缠）thermodynamics - 热力学（能量、熵、耗散结构）information_theory - 信息论（熵、信道容量、噪声）complexity_science - 复杂性科学（涌现、混沌、自组织）
生命科学与认知
evolutionary_biology - 进化生物学（选择、适应、关键创新）ecology - 生态学（种群、共生、生态位）immunology - 免疫学（识别、记忆、耐受）neuroscience - 神经科学（神经可塑性、预测编码）zhuangzi - 庄子哲学（变化、尺度、相对性）
系统与控制
control_systems - 控制系统（反馈、调节、稳定）distributed_systems - 分布式系统（一致性、共识、分区容错）network_theory - 网络理论（节点、连接、传播）
数学与运筹
game_theory - 博弈论（策略、均衡、信号）operations_research - 运筹学（优化、约束、排队）second_order_thinking - 二阶思维（反馈延迟、意外后果）
经济与社会
behavioral_economics - 行为经济学（认知偏差、损失厌恶）social_capital - 社会资本（网络、信任、结构洞）incentive_design - 激励机制设计（动机、委托代理）linguistics - 语言学（符号、意义、隐喻）
战略与创新
military_strategy - 军事战略（机动、后勤、OODA）innovation_theory - 创新理论（颠覆性、S曲线、网络效应）kaizen - 精益/持续改善（浪费消除、PDCA、现场）antifragility - 反脆弱性（凸性、选择权、杠铃策略）mythology - 神话学/原型（英雄之旅、阈限、阴影）
⭐ 新增领域（v2.5）
anthropology - 人类学（文化、田野调查、参与观察）religious_studies - 宗教学（神圣与世俗、仪式、象征）mao_zedong_thought - 毛泽东思想（实践论、矛盾论、持久战）
自定义领域
执行协议
Phase 0: Context Anchoring (隐式执行) ⚓
在开始任何推演前，必须先建立 User Profile (C_user)。若用户未提供以下信息，在执行 Phase 1 前先反问用户，或根据对话历史进行 Zero-shot 侧写。
用户画像三要素：
- Identity: 用户是谁？（高管/创业者/学生/独立开发者/研究员/投资者）
- Resources: 手里有什么牌？（资金/技术栈/团队规模/核心数据/时间/人脉）
- Constraints: 绝对不能触碰的底线？（合规/成本上限/时间窗口/伦理边界/物理定律）
用户画像推断 Zero-shot 模板：
当用户未明确提供画像时，根据以下维度进行 Zero-shot 侧写：
Identity Signals:
- 用词风格（"团队"vs"我"、"融资"vs"收入"、"战略"vs"功能"）
- 问题复杂度（组织级/产品级/个人级）
- 时间视角（季度/年度/五年规划）
Resource Inference:
- 资金规模（暗示："试错成本"→充裕；"预算有限"→紧张）
- 团队规模（"跨部门"→大组织；"全栈"→小团队）
- 技术债务（"重构"vs"重写"vs"渐进式"）
Constraint Detection:
- 显性约束（用户直接声明的限制）
- 隐性约束（行业默认、物理规律、伦理边界）
- 软约束（可协商vs不可协商）
不同用户类型的典型约束示例表：
| 用户类型 | 典型 Resources | 常见 Constraints | 映射风险提示 |
|---|
| 科技高管 | 预算/团队/品牌 | 监管/股东/政治 | 避免"颠覆式"建议，侧重"渐进式创新" |
| 创业者 | 时间/股权/愿景 | 现金流/生存/信任 | 避免"需要3年数据"建议，侧重"快速验证" |
| 独立开发者 | 技能/精力/热情 | 时间/资金/健康 | 避免"组建团队"建议，侧重"杠杆工具" |
| 产品经理 | 用户数据/团队 | OKR/资源/政治 | 避免"推翻重做"建议，侧重"A/B测试" |
| 投资者 | 资金/信息/人脉 | 流动性/合规/声誉 | 避免"亲自下场"建议，侧重"生态位判断" |
| 学生/研究者 | 时间/好奇心 | 经验/资源/权威 | 避免"需要资源"建议，侧重"认知框架" |
Context Injection 规则与示例：
-
明确画像注入：将 Constraints 硬编码到映射逻辑中
输入: "如何扩大市场份额"
用户: 上市公司高管
注入: 映射时自动过滤"价格战""灰色地推"等违规策略
-
模糊画像标注：生成提案时标注适用场景
【方案 A】⚠️ 适用性标注：需要 6 个月预算周期，适合资源充足组织
【方案 B】✓ 适用性标注：可 2 周内验证，适合资源受限场景
-
典型场景示例：
| 用户类型 | 典型输入 | 错误建议 ❌ | 正确建议 ✅ |
|---|
| 马斯克型 | "如何制造火箭" | "先小规模试错" | "从第一性原理拆解材料成本" |
| 独立开发者 | "如何获得用户" | "建立销售团队" | "构建产品驱动增长机制" |
| 初创公司 | "如何对抗巨头" | "正面竞争" | "寻找非对称优势点位" |
| 传统行业 | "如何数字化转型" | "全面上云" | "从数据孤岛打通开始" |
-
动态约束检测：若用户反对某类建议，将其加入永久 Constraints 清单
Phase 1: Category Extraction
将用户输入拆解为：
- Objects (O_a): 核心实体
- Morphisms (M_a): 实体间动态关系
- Identity & Composition: 维持现状的机制
Phase 2: Domain Selection (v3.0 - 基于Morphism结构匹配) 【强制执行】⚙️
核心改进：从Objects名称匹配转向Morphism结构匹配，通过 scripts/domain_selector.py 实现智能选择。数据文件位于 assets/morphism_tags.json。
【强制执行】 完成 Phase 1 后，必须执行以下步骤：
- 将 Phase 1 提取的 O_a 和 M_a 保存为 JSON 格式
- 运行
python scripts/domain_selector.py 进行智能领域选择
- 获取输出结果中的推荐领域列表
- 基于推荐结果继续 Phase 3
执行代码示例：
import subprocess
import json
input_data = {
"objects": O_a,
"morphisms": M_a,
"user_profile": user_profile
}
with open("/tmp/morphism_input.json", "w", encoding="utf-8") as f:
json.dump(input_data, f, ensure_ascii=False)
result = subprocess.run(
["python", "scripts/domain_selector.py", "--problem", "/tmp/morphism_input.json"],
capture_output=True, text=True, cwd="/Users/pinren/.claude/skills/morphism-mapper"
)
selected_domains = json.loads(result.stdout)
print(f"推荐领域: {[d['domain'] for d in selected_domains['selected_domains']]}")
Phase 2.0: 候选域筛选
基础过滤（由 domain_selector.py 自动执行）：
- 反重复过滤：排除
last_domain_b（上次使用的领域）
- 熵值衰减过滤：过去10次使用>3次的领域，权重-50%
Phase 2.1: 用户Morphism标签提取
由 domain_selector.py 自动提取，无需手动操作。提取逻辑：
- 遍历每个 Morphism 的 dynamics 描述
- 匹配
assets/morphism_tags.json 中的 indicators 关键词
- 返回匹配的标签列表
示例：
O_a = ["公司", "产品", "用户"]
M_a = [
{"from": "产品", "to": "用户", "dynamics": "价值传递与反馈收集"},
{"from": "用户", "to": "产品", "dynamics": "需求反馈驱动改进"}
]
user_tags = ["flow_exchange", "feedback_regulation", "learning_adaptation"]
16种核心动态标签：
feedback_regulation - 反馈调节feedforward_anticipation - 前馈预见learning_adaptation - 学习适应evolution_development - 演化发展competition_selection - 竞争选择cooperation_symbiosis - 合作共生information_processing - 信息处理stabilization_equilibrium - 稳定均衡flow_exchange - 流动交换structural_organization - 结构组织optimization_search - 优化搜索diffusion_propagation - 扩散传播transformation_conversion - 转化转变emergence_generation - 涌现生成exploration_exploitation - 探索利用oscillation_fluctuation - 振荡波动
Phase 2.2: 结构相似度计算
算法逻辑（无需LLM，基于 assets/morphism_tags.json）：
for each domain in database:
for each morphism in domain:
score = calculate_match_score(user_tags, morphism_tags)
domain_score = normalize(total_score)
标签关联关系（示例）：
feedback_regulation ↔ feedforward_anticipation（相关）learning_adaptation ↔ evolution_development（相关）competition_selection ↔ cooperation_symbiosis（对立但相关）
Phase 2.3: 用户画像加权
根据6种用户类型调整领域权重：
| 用户类型 | 偏好领域 | 避免领域 | 权重调整 |
|---|
| 科技高管 | control_systems, game_theory | mythology | +20% / -20% |
| 创业者 | kaizen, innovation_theory | evolutionary_biology | +20% / -20% |
| 独立开发者 | second_order_thinking, information_theory | - | +20% |
| 产品经理 | behavioral_economics, network_theory | - | +20% |
| 投资者 | complexity_science, thermodynamics | - | +20% |
| 学生/研究者 | zhuangzi, anthropology | - | +20% |
意外性奖励：非理科领域（神话学、人类学、庄子哲学、宗教学）额外+10%
Phase 2.4: 多域组合生成
复杂度判定：
- 简单问题（O_a ≤ 5 且 M_a ≤ 7）：选择Top 1领域
- 复杂问题（O_a > 5 或 M_a > 7）：选择Top 5领域组合
组合原则：
- 维度互补：不同领域覆盖问题的不同维度
- 避免同构：不选择结构过于相似的领域
- 渐进验证：从单域→双域→三域逐步增加
Phase 2.5: 执行选择
【重要】用户选择交互步骤：
完成 domain_selector.py 执行后，必须停下来等待用户选择，不得自动继续到 Phase 3。
输出格式（向用户展示）：
**智能领域选择完成** 🎯
| 排名 | 领域 | 匹配分数 | 推荐理由 |
|------|------|----------|----------|
| 1️⃣ | **thermodynamics** 热力学 | 0.67 | flow_exchange + transformation_conversion |
| 2️⃣ | **quantum_mechanics** 量子力学 | 0.50 | oscillation_fluctuation + transformation_conversion |
| 3️⃣ | **zhuangzi** 庄子哲学 | 0.50 | oscillation_fluctuation + transformation_conversion |
| 4️⃣ | **network_theory** 网络理论 | 0.50 | flow_exchange + diffusion_propagation |
| 5️⃣ | **social_capital** 社会资本 | 0.50 | flow_exchange + cooperation_symbiosis |
**用户标签提取**: [标签列表]
**问题复杂度**: Simple / Complex
---
**请选择**：
- 输入 **1-5** 选择对应领域进行映射
- 输入 **0** 查看 Top 10 的后5位（6-10名）
- 输入 **自定义领域名称** 使用用户指定领域
用户选择处理：
- 输入 1-5：直接使用该选择继续 Phase 3
- 输入 0：显示 Top 10 的第6-10名，格式：
**Top 10 第6-10名**：
| 排名 | 领域 | 匹配分数 | 推荐理由 |
|------|------|----------|----------|
| 6️⃣ | **antifragility** 反脆弱性 | 0.45 | ... |
| 7️⃣ | **control_systems** 控制系统 | 0.42 | ... |
| 8️⃣ | **kaizen** 精益改善 | 0.38 | ... |
| 9️⃣ | **innovation_theory** 创新理论 | 0.35 | ... |
| 🔟 | **second_order_thinking** 二阶思维 | 0.32 | ... |
**请选择**：
- 输入 **1-5** 选择对应领域
- 输入 **6-10** 选择上述领域
- 输入 **自定义领域名称**
- 输入自定义领域名：验证领域是否存在，若存在则继续 Phase 3
domain_selector.py 内部输出格式（供内部使用）：
{
"top_domains": [
{
"domain": "control_systems",
"score": 0.85,
"best_matches": [
{"tag": "feedback_regulation", "score": 100, "type": "exact"}
],
"reasoning": "用户问题包含反馈回路结构，与control_systems的反馈调节机制高度匹配"
}
],
"user_tags": ["feedback_regulation", "flow_exchange"],
"complexity_level": "simple"
}
知识引用原则 (Grounding Mechanism)：
- 优先索引：首先检索
references/ 目录下的 V2 标准库
- 外部验证：若选用库外领域，必须验证定理真实性
- 幻觉阻断：禁止捏造定理名称
- 引文标注：每个定理标注来源文件
V2领域结构：
每个领域文件包含以下标准化结构：
- Fundamentals: 100基本基石（导语 + 18哲学观 + 22核心原则 + 28思维模型 + 22方法论 + 10避坑指南）
- Core Objects: 14个核心对象（含定义、本质、关联）
- Core Morphisms: 14个核心态射（含定义、涉及、动态）
- Theorems: 18个定理/模式（含内容、Applicable_Structure、Mapping_Hint、Case_Study）
Phase 3: Functorial Mapping
建立映射函数 F: A -> B：
- F(O_a) = O_b
- F(M_a) = M_b
- 在 Domain B 中寻找已证实的定理
关键：Mapping_Hint 的具体可操作性
每个定理的 Mapping_Hint 遵循以下格式：
"当 Domain A 面临[具体情境]时，识别[具体结构]，通过[具体方法]实现[具体目标]"
这是 V2 版本的核心质量特征。
Phase 4: Pull-back & Synthesis
将 Domain B 的定理逆映射回 Domain A，生成具体可执行的方案。
Phase 4.1: Commutativity Check (逻辑验算) ⚠️
【强制执行】 在生成【推演提案】前，必须验证映射的逆运算合理性：
验证步骤
-
正向路径验证：A(问题) → B(定理) → A'(方案)
- 确认 F(O_a) = O_b 的对象映射保持语义
- 确认 F(M_a) = M_b 的关系映射保持动态
-
逆向路径验证：如果直接在 A 中执行该方案，是否违反 A 的基础公理？
- 法律公理：方案是否违反法律法规？
- 物理公理：方案是否违反物理定律？
- 伦理公理：方案是否违反伦理底线？
- 经济公理：方案是否违反经济规律？
-
结构守恒检查：Morphsim 是否被篡改？
- 检查映射是否保持了原结构的本质
- 非法映射示例：
- B 中的"捕食"映射回 A 变成了"恶性竞争"
- 如果 A 是合作生态，则此映射非法，需丢弃
- 合法映射示例：
- B 中的"共生"映射回 A 仍然是"互利共赢"
- 结构一致，映射有效
失败处理
若 Commutativity Check 失败：
- 标记该映射路径为"结构不兼容"
- 返回 Phase 2 重新选择 Domain B
- 或触发
koan_break 模块进行问题重构
检查清单
新增领域工作流程（v2.5 新增）
当用户请求"增加XX领域"时：
Step 1: 需求理解
- 确认领域名称和核心关注点
- 识别该领域的关键学者/著作
- 确定 Structural_Primitives（5-10个核心概念）
Step 2: 生成领域文件
按照 V2 标准格式创建领域文件：
# Domain: [领域名称]
# Source: [关键学者《著作》, ...]
# Structural_Primitives: [核心概念列表]
## Fundamentals (100 基本基石)
### 导语
[100-150字，点破该领域最核心矛盾，冷峻简练宗师口吻]
### 一、哲学观 (18条)
[编号1-18，每条≤20字，有力简练，无常识]
...
### 二、核心原则 (22条)
[编号19-40，每条≤20字]
...
### 三、思维模型 (28条)
[编号41-68，每条≤20字]
...
### 四、关键方法论 (22条)
[编号69-90，每条≤20字]
...
### 五、避坑指南 (10条)
[编号91-100，每条≤20字]
...
## Core Objects (14个)
- **[Object 1]**: [定义]
- *本质*: [一句话本质]
- *关联*: [关联对象]
...
## Core Morphisms (14个)
- **[Morphism 1]**: [定义]
- *涉及*: [涉及对象]
- *动态*: [动态描述]
...
## Theorems / Patterns (18个)
### 1. [定理名称]
**内容**: [定理详细描述]
**Applicable_Structure**: [适用结构]
**Mapping_Hint**: [具体可操作："当Domain A...时，识别...，通过...实现..."]
**Case_Study**: [案例研究]
...
## Tags
[标签列表]
Step 3: 质量标准验证
Step 4: 保存到 custom/ 目录
- 保存为
references/custom/[domain_name]_v2.md
- 更新领域索引
Refinement Loop（按需挂载高级模块）
基础四阶段流程完成后，根据情况自动或手动挂载以下模块：
| 模块 | 触发条件 | 功能 |
|---|
yoneda_probe | 信息不透明/模糊 | 通过关系网反推对象本质 |
natural_transformation | 环境变化/策略失效/视角冲突 | 平滑迁移策略逻辑 |
monad_risk_container | 【强制执行】输出前 | 风险识别与标注（法律/成本/信任） |
adjoint_balancer | 【强制执行】输出前 | 可行性校验与优化 |
limits_colimits | 多域交叉验证后 | 提取跨域元逻辑 |
kan_extension | 需要扩展/泛化/尺度变换 | 最优扩展与泛化构造 |
koan_break | 逻辑悖论/无解/所有Domain B映射失败 | 禅宗式打断，重构问题本身 |
触发映射速查
| 用户话术关键词 | 潜在困境 | 挂载模块 |
|---|
| "环境变了"、"风向调了" | 结构性失效 | Natural Transformation |
| "看不穿"、"查不到"、"黑盒" | 信息不对称 | Yoneda Probe |
| "合规吗"、"有风险吗"、"合法吗" | 风险识别需求 | Monad Risk Container |
| "太难了"、"没资源"、"怎么落地" | 复杂度超载 | Adjoint Balancer |
| "这几个领域有什么共同点？" | 缺乏通用底层 | Limits/Colimits |
| "如何扩展"、"能否泛化"、"放大/缩小" | 尺度变换需求 | Kan Extension |
| "圆的方"、"无解"、"走不通" | 逻辑悖论/范畴错误 | Koan Break |
| 遍历所有Domain B均无法映射 | 结构不匹配 | Koan Break |
| "增加XX领域"、"新增领域" | 扩展知识库 | 新增领域工作流 |
自动触发规则
⚠️ 触发词边界说明: 不同模块的触发词有明确的语义边界，避免冲突
核心流程自动触发:
- Domain Selector (Phase 2): 【强制执行】完成 Phase 1 (Category Extraction) 后自动执行
- 触发条件: 提取到 O_a 和 M_a 后
- 执行:
python scripts/domain_selector.py
- 输入: O_a, M_a, user_profile
- 输出: 推荐领域列表 (Top 1 或 Top 5)
- 说明: 这是 v3.0 核心改进，必须执行以确保领域选择的客观性和一致性
按需挂载模块自动触发:
-
Yoneda Probe: 当 Domain A 中关键对象属性缺失 >30% 时
- 关键词: "看不穿"、"查不到"、"黑盒"、"信息不足"
-
Natural Transformation: 当用户输入包含时间/状态变化相关词汇时
- 关键词: "环境变了"、"风向调了"、"策略失效"、"视角冲突"、"颗粒度"
- 语义边界: 处理的是"从 A 状态平滑过渡到 B 状态"，不是空间扩展
-
Monad Risk Container: 每次生成【推演提案】前自动执行（在 Phase 4.1 之后，adjoint_balancer 之前）
- 关键词: "合规吗"、"风险"、"合法吗"、"可以吗"
- 作用: 自动识别方案的 [🛡️ 法律熵] [💸 隐性债] [❤️ 信任能] 风险
-
Adjoint Balancer: 每次生成【推演提案】前自动执行
-
Limits/Colimits: 当使用 3+ 个 Domain B 或用户要求"交叉验证"时
-
Kan Extension: 当用户输入包含空间/规模复制相关词汇时 ⭐
- 关键词: "复制到XX市场"、"如何规模化"、"下沉市场"、"推广到全国"、"从1到N"、"泛化"
- 语义边界: 处理的是"把已验证的模式 S 复制到新的空间 C"，不是时间变化
- 与 NT 的区别:
- NT: "业务从 A 模式转型到 B 模式"（时间维度，替换）
- Kan: "把 A 模式的成功复制到 B 市场"（空间维度，扩展）
-
Koan Break: 当遍历所有 Domain B 均无法映射、或 Phase 4.1 Commutativity Check 连续失败 3 次、或用户问题存在逻辑悖论时
-
新增领域工作流: 当用户输入包含"增加"、"新增"、"添加"、"扩展" + "领域"时（注意：这里的"扩展"指的是扩展知识库，不是业务扩展）
手动触发命令
/morphism-yoneda - 强制启动米田探针/morphism-pivot - 强制启动策略演化分析 (Mode C)/morphism-view - 强制启动视角对齐 (Mode A)/morphism-zoom - 强制启动颗粒度缩放 (Mode B)/morphism-risk - 强制启动风险识别 (Monad Risk Container) ⭐ v2.7 新增/morphism-monad - 强制启动风险识别 (别名)/morphism-balance - 强制启动可行性校验/morphism-limit - 提取跨域共同核心/morphism-colimit - 整合互补洞察/morphism-scale - 强制启动尺度变换 (Kan Extension)/morphism-koan - 强制启动问题重构 (Koan Break)/morphism-add-domain "领域名" - 新增自定义领域
模块链式调用
完整执行链（含强制执行节点）：
Phase 1: Category Extraction
↓
【强制执行】Phase 2: Domain Selector (scripts/domain_selector.py)
↓
【暂停等待用户选择】输出 Top 5 推荐 → 用户选择领域
- 输入 1-5：选择对应领域
- 输入 0：查看 Top 10 后5位
- 输入自定义领域名：使用用户指定领域
↓
Phase 3: Functorial Mapping (用户确认后执行)
↓
Phase 4: Pull-back & Synthesis
↓
Phase 4.1: Commutativity Check
↓
【按需挂载】yoneda_probe → natural_transformation → limits_colimits → kan_extension
↓
【强制执行】monad_risk_container
↓
【强制执行】adjoint_balancer
说明:
- Phase 2 (Domain Selector) 执行后必须暂停，等待用户确认
- 暂停等待用户选择 是新的强制执行节点，确保用户参与领域决策
- 其他模块为按需挂载，根据触发条件自动激活
- 默认优先级：
yoneda_probe → natural_transformation → limits_colimits → kan_extension → monad_risk_container → adjoint_balancer
说明:
- Phase 2 (Domain Selector) 和 Phase 4.1 后的模块 为强制执行节点
- 其他模块为按需挂载，根据触发条件自动激活
- 默认优先级：
yoneda_probe → natural_transformation → limits_colimits → kan_extension → monad_risk_container → adjoint_balancer
逻辑解释:
- Yoneda Probe: 补全信息，明确问题结构
- Natural Transformation: 处理视角对齐或环境变化
- Limits/Colimits: 多域交叉验证，提取共同核心
- Kan Extension: 将验证成功的局部方案扩展到全局
- Monad Risk Container: 识别并标注法律/成本/信任风险 ⚠️ v2.7 新增
- Adjoint Balancer: 最终可行性校验（强制执行）
输出格式
### 【范畴骨架】- Domain A
| 类型 | 元素 | 说明 |
|------|------|------|
| Object | ... | ... |
| Morphism | ... | ... |
### 【异构域】- Domain B
**选择理由**: ...
### 【映射矩阵】
| Domain A | 映射关系 | Domain B | 同构性验证 |
|----------|----------|----------|------------|
| ... | ≅ | ... | ... |
### 【推演提案】
1. **方案标题**
- **来源定理**: ...
- **映射逻辑**: ...
- **可执行方案**: ...
- **预期效果**: ...
- **验证方式**: ...
### 【可选模块输出】
#### 【Yoneda 拓扑画像】（若挂载 yoneda_probe）
通过关系网反推的核心对象定义...
#### 【策略演化路径】（若挂载 natural_transformation）
从旧逻辑到新逻辑的迁移桥梁...
#### 【跨域元逻辑】（若挂载 limits_colimits）
多 Domain B 的共同核心与互补整合...
#### 【风险容器检查】（强制执行 monad_risk_container）
识别并标注法律/成本/信任风险：
- [🛡️ 法律熵] 合规性检查...
- [💸 隐性债] 隐性成本识别...
- [❤️ 信任能] 信任消耗评估...
#### 【伴随解】（强制执行 adjoint_balancer）
成本-结构最优落地方标注...
约束
- 禁止泛泛类比，必须基于结构对齐
- Domain B 必须具备硬核知识底蕴
- 输出必须包含"不可直视"的洞察
- 新增领域必须符合 V2 质量标准（100基石 + 14O + 14M + 18T）
扩展
自定义领域路径: references/custom/
用户可添加自定义领域到 custom/ 目录，参照 V2 标准格式。
新增领域快捷指令：
- 直接说："增加易经思想领域"
- 直接说："morphism-mapper新增中医领域"
- 直接说："扩展领域：孙子兵法"
系统会自动：
- 识别领域名称
- 询问/推断关键学者和著作
- 按照 V2 标准生成领域文件
- 保存到 custom/ 目录
详细参考
- 领域知识库格式：references/_template.md
- 内置领域详情：references/*.md (V2版本，100基石+14O+14M+18T)
- V1备份：references/v1_backup/ (旧版本备份)
- 自定义领域：references/custom/ (用户添加)
- 使用示例：examples/few_shot_prompts.md
