| name | ruofeng-first-principles |
| description | 第一性原理解读与分析。把任何复杂的技术栈、新概念/新领域、模糊问题或一段内容，剥离表象拆解到不可再分的「根本问题」，建立可迁移的心智模型。当用户想真正「搞懂」某个东西的本质而不是表面用法时使用——例如理解一个项目的库/框架各自解决什么根本问题、刚转一个新领域想快速建立认知框架、面对复杂问题想找到本质、或想把一篇文章/书的底层逻辑提炼出来。只要用户提到「第一性原理」「本质」「为什么」「根本」「底层逻辑」「拆解」「从零理解」「心智模型」，或表达「看不懂一堆名词想理清」，就触发本 skill。 |
| version | 0.1.0 |
| argument-hint | 要解读的主题 / 问题 / 内容（可附 URL 或笔记） |
/ruofeng-first-principles — 第一性原理解读与分析
把事物拆解到不可再分的基本要素（根本问题），再从这些要素出发重建理解——不是记忆结论，而是建立可迁移的心智模型。设计哲学见 references/philosophy.md。
输入
$ARGUMENTS 可以是：
- 一个主题或领域名（如「Web 技术栈」「区块链」「价值投资」）
- 一组名词/库/工具（如「React + Vite + TanStack Query」）
- 一个复杂或模糊的问题（如「为什么大模型会产生幻觉」）
- 一段内容：URL、文件路径、或粘贴的长文
如果输入为空，让用户指定一个文件/URL 作为分析对象，或等待用户补充主题。
执行步骤
第一步：调动已有上下文（可选）
从输入提取 3-5 个关键词 → Grep 搜索当前目录已有材料（README、文档、笔记等，最多 8 篇）→ 记下已有认知和缺失。无材料时直接跳到第二步。
第二步：识别根本问题（核心）
追问「这个领域/系统/概念，本质上在回答哪几个根本问题？」——不断追问「为什么需要它」直到答案变成自明之理。根本问题应彼此正交、合在一起覆盖整个领域，通常 3-7 个。用「根本问题 = 通俗说法」对照表述，让非专业人士也能懂。
第三步：从根本问题重建理解
对每个根本问题，回答：它的第一性答案（最朴素思路，不绑定工具）→ 现有方案如何回答 → 方案的分化与取舍（同一问题为什么有多种答案）。
第四步：建立心智模型与可迁移判断
给出：一句话心智模型 → 常用度分级（地基/进阶/冷门）→ 可操作的「N 步看懂任何 X」速读法 → 关键易错点。
第五步：诚实标注不确定与边界
区分「事实」（可验证）和「推断」（基于证据），主动指出不确定/有争议的部分。约定俗成的内容不必强行拆解。
输出结构
# {主题} 的第一性原理拆解
## 核心洞察（一句话）
## 根本问题（核心）
| 根本问题 | 通俗说法 | {具体答案} | 常用度 |
（这是全文骨架，务必先建这张表）
## 逐个拆解
{对每个根本问题：第一性答案 → 现有方案 → 取舍分化}
## 心智模型与可迁移判断
- 一句话心智模型
- 常用度分级（地基/进阶/冷门）
- 「N 步看懂任何 X」速读法
- 关键易错点
## 边界与不确定
{事实 vs 推断；争议或不确定的部分}
存为笔记
讲解完成后主动询问是否存为笔记。详见 references/note-saving.md。
风格要求
通俗优先、重「为什么」轻「是什么」、类比克制、引用已有内容、避免空话。详见 references/style-guide.md。
示例
完整示例见 examples/web-tech-stack.md。更多示例见 references/examples.md。
相关 skill
- 拆完想验证方案扛不扛得住 → 配套的
ruofeng-adversarial-review skill（验证端，与本 skill 对称）
