curiosity-driven-exploration

name	curiosity-driven-exploration
description	当需要从零开始探索新领域、寻找个人发展方向或解决开放式问题时

curiosity-driven-exploration

When to Use

当需要从零开始探索新领域、寻找个人发展方向或解决开放式问题时description

Core Logic

执行步骤

1. 识别并记录好奇心点

   • 输入：日常观察、阅读、对话中产生的“为什么”、“如果...会怎样”等疑问。
   • 操作：将这些问题明确地记录下来，形成一个“好奇心清单”。
   • 判断标准：清单上的问题能引发你主动探索的欲望，而非外部强加的任务。
   • 常见误区：记录的是“应该感兴趣”或“热门”的话题，而非内心真实的疑问。

2. 对好奇心点进行发散性质询

   • 输入：上一步记录的单个好奇心点（例如：“如果我学会了那个技能呢？”）。
   • 操作：围绕该点提出一系列连锁问题，包括正向（成功会怎样？）、负向（失败会怎样？）、过程性（如何开始？）和影响性（坚持下去会带来什么变化？）。
   • 判断标准：问题链能覆盖该好奇心点的主要可能性，并引向具体的行动方向。
   • 常见误区：过早进行可行性判断，扼杀想象；问题停留在空想层面，未触及行动。

3. 启动探索性行动

   • 输入：经过质询后，筛选出的一个最具行动指向性的问题。
   • 操作：针对该问题，寻找并利用至少一种资源（如书籍、课程、专家、实践工具）进行初步学习和尝试。
   • 判断标准：开始了实际的学习或微小实践，而不仅仅是计划。
   • 常见误区：追求完美的学习路径或资源，导致行动瘫痪；行动目标过大，难以启动。

4. 跟随发现并迭代路径

   • 输入：上一步探索行动中获得的新知识、新问题或新兴趣点。
   • 操作：
     • IF 新发现引向了更深入或相关的未知领域 THEN 将其作为新的好奇心点，返回步骤2。
     • ELSE IF 当前探索已满足初始好奇心或遇到难以逾越的障碍 THEN 暂停或结束此路径，从“好奇心清单”中选取另一点，返回步骤1。
   • 判断标准：学习路径是动态演进的，由探索中的实际反馈驱动，而非僵化的计划。
   • 常见误区：固执于初始计划，忽略过程中的有效反馈；轻易放弃，未对障碍进行充分质询（返回步骤2）。

输出格式要求

输出应包含：

1. 初始好奇心点：清晰陈述启动本次探索的问题。
2. 质询问题链：展示围绕该点进行的发散性质询。
3. 已执行的探索行动：列举实际采取的学习或实践步骤及其使用的资源。
4. 关键发现与后续方向：总结探索中的核心收获，并明确下一步是深入迭代、转向新点还是暂停。

Metadata

属性	值
领域	个人成长/职业发展
类型	procedural (procedural)
置信度	90%
前置条件	拥有可自由支配的时间和基础的学习能力
来源	数字经济学：未来职业之路：从工作到游戏 > 未来的职业道路 > 追求你的好奇心