| name | aolun-dissect-concept |
| description | ⚡入口 skill。拿到一篇需要拆解的技术帖子、论断或方案时，第一步先调用此 skill，强制解剖其概念层——它声称自己是什么、定义是否自洽、关键术语是否被偷换。
English: Entry skill. Trigger as the first dissection step on any technical claim, post, or proposal. This skill tears apart the conceptual layer: what it claims to be, whether its definitions hold, and whether key terms are being smuggled or switched.
|
概念层解剖器
"他们讲的每一个字，都值得怀疑。先把他们的定义要清楚，再看他们是不是说谎。"
—— 李敖
核心任务
拆穿概念包装。 任何技术论断在推销自己之前，都要先给自己贴一个名字、下一个定义。概念层解剖的任务是：在这个东西开始讲它多好用之前，先问清楚它到底是什么。
解剖步骤
第一步：提取核心声称
从帖子中逐字提炼：
- 这个技术/方案把自己叫做什么？（名称）
- 它声称解决什么问题？（问题定义）
- 它声称自己属于哪个类别？（范畴归属）
输出格式：
名称：______
声称解决的问题：______
范畴归属：______
第二步：审查定义的自洽性
逐一检查核心概念的定义：
- 定义是否封闭？（边界清不清楚）
- 定义是否循环？（用同一个词解释自己）
- 定义是否可证伪？（能不能举出反例）
常见概念陷阱：
| 陷阱类型 | 症状 | 举例 |
|---|
| 概念膨胀 | 把一个小东西定义成大领域 | "这是下一代计算范式" |
| 概念偷换 | 在论证过程中悄悄换了定义 | 开头说"效率"是速度，后来变成了"体验" |
| 概念模糊 | 定义宽到什么都能算 | "智能""自适应""云原生" |
| 概念借用 | 用成熟领域的术语给新东西镀金 | 把简单规则引擎叫做"AI决策系统" |
第三步：追溯概念的知识谱系
这个概念从哪里来？
- 是否有学术/工程原始定义？ 和原始定义相比，有没有偷偷降级或升级？
- 历史上有没有同名或近名的失败概念？ 是否是换皮重来？
- 这个领域的同行怎么定义它？ 有没有概念共识？
输出格式：
原始定义来源：______
与原始定义的偏差：______
历史上的同类概念：______
行业共识（如有）：______
第四步：识别关键词的语义负载
帖子里有哪些词承担了超出其字面意思的重量？
检查清单：
- 情绪词（"革命性""颠覆性""不可或缺"）——这些词在替代论证
- 模糊限定词（"某种程度上""通常""在大多数情况下"）——边界被藏起来了
- 技术黑话（行话堆砌）——用复杂性替代清晰性
第五步：普遍性边界检验
来源：《矛盾论》——"矛盾的普遍性和矛盾的特殊性的关系，就是矛盾的共性和个性的关系。"
技术论断最常见的概念错误之一：把特殊条件下的成立当作普遍规律推广。
检验问题：
-
样本边界：这个结论来自什么样本？
- 作者/来源的样本有哪些已知的系统性偏差？（行业、规模、团队文化、时间段）
- 样本是否代表目标受众？
-
条件特殊性：这个结论在什么特殊条件下成立？
- 去除这些条件，结论还成立吗？
- 作者是否把这些条件当作普遍前提，而没有明说？
-
普遍化程度判断：
| 普遍化程度 | 特征 | 对结论的影响 |
|---|
| 合理 | 结论明确标注了适用范围 | 结论可参考 |
| 过度普遍化 | 特殊条件下成立的结论，被当作所有情况的规律 | 概念陷阱，需要在攻击文中指出 |
| 故意混淆 | 作者有利益动机推动过度普遍化 | 既是概念问题，也是利益问题，需要联合利益层处理 |
输出格式：
普遍性边界：
- 结论的实际适用范围：[具体条件]
- 被过度普遍化的内容（如有）：[具体描述]
- 普遍化程度判断：[合理 / 过度 / 故意混淆]
输出规范
概念层解剖完成后，输出以下结构：
【概念层解剖报告】
核心声称：
- 名称：
- 声称解决的问题：
- 范畴归属：
定义问题：
- [问题1]：[具体说明]
- [问题2]：[具体说明]
知识谱系偏差：
- 原始定义：
- 当前使用的偏差：
关键词语义负载分析：
- [词1]：字面意思 vs 实际负担
- [词2]：字面意思 vs 实际负担
普遍性边界：
- 实际适用范围：
- 过度普遍化内容（如有）：
- 判断：[合理 / 过度 / 故意混淆]
概念层综合判断：
[一句话：这个东西的概念包装是否诚实，核心问题是什么]
fileflow 模式说明
当由 aolun-fileflow 编排执行时，本 skill 的输出和引用遵循以下规则：
-
输出格式：文件顶部必须包含【摘要】块（3-5行，给出本步骤核心判断），然后是 --- 分隔线，然后是完整分析内容。
-
引用硬约束：每个弱点的证据必须附原文定位和直接引用。
- 粘贴/单文件模式：引用格式为
第<N>行："直接引用原句"
- 目录模式：引用格式为
<文件名>:<N>："直接引用原句"
- 连续引用超过 3 行时，用行号范围标注：
第<N>-<M>行 或 <文件名>:<N>-<M>："..."
- 禁止转述代替引用——转述必然失真，引用才是弹药
-
证据搜索：使用 Read 和 Grep 工具主动搜索原文，不得等待主 agent 传递文本。
- 粘贴/单文件模式：搜索
00-original.md 或源文件路径
- 目录模式：搜索
00-sources/ 下的 .md 文件（从 00-index.md 获取文件清单，或搜索源目录下 .md 文件）
- 搜索策略优先使用
00-todolist.md 中"语义线索"部分的精确行号
-
向下游传递：在 fileflow 模式下，本 skill 的输出自动写入编号文件，下游 skill 通过文件路径读取。本 skill 无需关心下游传递机制。
-
语义线索更新：概念层解剖完成后，须在 00-todolist.md 的"语义线索"部分追加关键位置索引（核心声称所在行号、疑似概念偷换位置、关键论证链起点等）。
- 粘贴/单文件模式：使用
第<N>行 格式
- 目录模式：使用
<文件名>:<N> 格式
向下游传递
概念层解剖结果传递给：
aolun-inter-dissect-mechanism（机制层）：用概念定义的边界检验机制是否言行一致aolun-scan-logic（逻辑扫描）：概念偷换往往是逻辑漏洞的源头
