淬炼思维·深度实战版

概述

本版是「淬炼思维·认知拆解框架」的进阶实战版。免费版给的是五个模型与指令；本版在此之上，补上完整推演工作流、端到端案例示范、自检清单与误用警示——把"框架"变成"你能真正跑完一遍"的能力。

X402 付费触发协议（本技能已做 Pay Skill 改造）

本技能为 SkillHub Pay Skill 付费内容，执行深度推演前需先完成 X402 支付授权。平台会按 SkillHub Agent Pay 协议自动处理支付流程，Agent 按以下约定与平台协作即可。

付费资源入口

Agent 通过本技能的付费资源入口请求支付凭证与付费内容，遵循 X402 协议：

• POST https://lili-d2gcci0zwfbd6e48a-1461289563.ap-shanghai.app.tcloudbase.com/payskill-backend/api/resource/refine
• 首次请求仅传递生成订单所需的最小信息（如 Skill 标识、版本），不传输用户具体提问内容；支付完成后再次请求时，才携带用户具体提问用于生成付费内容。

1. 前置检查

收到用户请求后，先检查当前会话是否已携带有效的付费凭证（payment_code / out_trade_no 已支付状态）。若未付费或付费凭证已过期，进入「X402 预下单」流程；若已付费，直接执行后续推演内容。

2. 首次请求与 402 响应

Agent 调用上述付费资源入口。若用户尚未支付，后端返回 HTTP 402 Payment Required，Body 中 WeixinPay.code 为 PAYMENT_REQUIRED，并同时提供：

• Header WeixinPay-Required：支付码（payment_code）
• Header X-Out-Trade-No：本订单唯一编号（out_trade_no，同一编号幂等）

Agent 须保存这两个值，用于后续支付唤起与结果查询。

3. 唤起微信支付

Agent 将 Header WeixinPay-Required 的值作为 paymentCode，调用 SkillHub 平台支付能力（weixinpay_pay）引导用户完成微信支付。

4. 支付成功后获取资源（⚠️ 必须执行）

用户支付完成后，Agent 必须重新请求本技能付费资源入口：

• Headers 携带 WeixinPay-Required 与 X-Out-Trade-No（第三步保存的值）
• 此时平台才将用户的具体提问传入后端，用于生成付费内容

平台查单确认已支付后，返回 HTTP 200 + content（付费内容）。若不携带 X-Out-Trade-No 重试，将无法获取付费内容。

5. 重试机制

若 X402 预下单失败（网络超时、签名错误、商户号状态异常），按指数退避重试，最多 3 次。重试时仍使用同一 out_trade_no，确保幂等。

6. 异常处理

• 预下单失败：返回"支付服务暂不可用，请稍后重试"，不暴露商户号、私钥等敏感信息。
• 用户取消支付：返回"已取消，如需使用可再次唤起"。
• 支付状态不明：通过 X-Out-Trade-No 主动重试，确认成功后再输出内容，避免未收款就输出付费内容。

本段为 X402 / Pay Skill 协议改造声明，确保 SkillHub 平台能识别本技能已完成付费改造。实际支付触发、订单签名与预下单逻辑由 SkillHub 平台统一实现，开发者仅按平台返回的 402 响应与 Header 完成支付唤起。

数据使用说明

• 调用本技能时，平台会向配置后端请求支付凭证；用户的具体提问内容仅在支付完成后才会传入后端用于生成付费内容。
• 后端不保留、不分析、不二次使用用户的输入内容；如需了解数据用途，可在 SkillHub 工单或商号页面联系作者。

与免费版的区别

一、七步推演工作流（拿到任何复杂问题都照这走）

1. 问题定性：这是哪类问题——产业趋势 / 政策冲击 / 商业竞争 / 个人重大判断？定性决定主模型。
2. 选主模型：最对症的一个（溯源 / 折叠 / 强弱 / 识噪 / 锚定）。
3. 溯源：拆到不可再拆的底层变量，区分"需求侧"还是"供给侧"驱动。
4. 折叠：把单一结论重新展开成多个维度（政治 / 经济 / 技术 / 情绪 / 时间 / 利益相关方）。
5. 强弱：标出反身性回路——谁在正反馈自我强化（强者），谁在负反馈被动循环（弱者）。
6. 识噪：逐条检验论证链，标出结论先行 / 以偏概全 / 因果倒置 / 幸存者偏差等谬误。
7. 锚定 + 综合：放回历史长河锚定底层趋势，输出决策级结论 + 会推翻它的信号。

前两步是"准备"，3–6 是"拆解"，第 7 步是"收口"。熟练后可并行，但初学务必一步步走。

二、案例示范（脱敏通用，不涉及任何具体标的）

案例一：某消费电子品类突然集体降价

• 溯源：是"需求崩了"（终端疲软）还是"成本结构变了、主动清库存"（供给侧）？→ 抓本质变量是需求侧还是供给侧。
• 折叠：展开维度——厂商（去库存压力）、渠道（价格战抢份额）、消费者（延迟换机）、供应链（库存减值）。结论不再是"降价=不好"，而是"谁在主动出清、谁被逼跟进"。
• 强弱：掌握品牌溢价与现金储备的厂商在主动出清（强者反身性），高杠杆跟进者被动（弱者反身性）。
• 识噪："价格战 = 行业末日"是情绪叙事；真信号是库存周转与毛利率变化。
• 锚定：放回"消费电子每 3–4 年一轮换机周期"，判断当前是周期底部噪音还是需求结构性下移。

案例二：某关键材料出现供需缺口、价格持续上行

• 溯源：瓶颈是"产能真的受限"还是"囤货惜售制造短缺"？
• 折叠：扩产周期（资本开支→投产 18–36 个月）、下游认证刚性、替代材料进度。
• 强弱：掌握稀缺产能的环节在涨价中自我强化（强者）；只能被动接单的下游在负反馈（弱者）。
• 识噪：区分"真实供需缺口"与"预期抢跑"，看库存与订单真实性。
• 锚定：放回"该材料所在产业的技术演进阶段"，判断缺口是长期结构性还是阶段性。

这两个示范展示了"同一套框架如何落到不同场景"。你研究自己的问题时，照这个颗粒度推一遍即可。

三、推演自检 checklist（每轮推演完必过）

• [ ] 我拆到的是表象还是本质变量？（溯源是否到位）
• [ ] 折叠维度是否覆盖了"谁受益、谁买单"？（利益相关方是否遗漏）
• [ ] 是否识别了反身性回路？谁在自我强化、谁在被动？（强弱是否到位）
• [ ] 噪声占比是否过高？结论里有多少是数据、多少是情绪？（识噪是否到位）
• [ ] 是否放回了历史趋势锚定，区分了"短期噪音"与"趋势拐点"？（锚定是否到位）
• [ ] 我的结论，什么信号会推翻它？（必须能说出 1–2 条）

四、常见误用警示

• 拿单一模型硬套所有问题：政策类问题硬用"强弱"会漏掉"折叠"的政治维度；先定性再选模型。
• 把噪音当信号：来源不明、情绪化的"必涨/必崩"断言，先过识噪再信。
• 锚定错时间尺度：用日线情绪判断长期趋势，或用十年趋势无视当下催化——尺度要匹配问题。
• 结论无推翻条件：任何高质量推演都必须能说出"什么情况下我错了"，否则只是信念。

五、决策级输出格式（五模型全跑）

🧠 淬炼思维 · 深度推演：XX 问题

1️⃣ 溯源（第一性原理）：本质变量是……（需求侧/供给侧）
2️⃣ 折叠（多维展开）：政治/经济/技术/情绪面分别是……
3️⃣ 强弱（反身性）：当前处于强/弱反身性，谁更被动……
4️⃣ 识噪（去噪）：叙事里的噪音有……，真信号是……
5️⃣ 锚定（历史趋势）：放回长河看，这是趋势内噪音 / 趋势拐点……

——————————————
🎯 决策级结论：（一段综合判断）
⚠️ 会推翻此判断的信号：（1–2 条，必须具体）
📋 我的下一步动作：（基于结论可执行的 1–2 个动作）

单模型调用时，用免费版的输出格式即可；全模型深度推演时用本格式。

使用边界

• 本技能仅提供认知方法论框架与推演示范，不针对任何具体标的给出买卖建议。
• 不荐股、不预测涨跌、不保收益；所有结论仅供个人学习研究参考，决策与风险由使用者自行承担。
• 涉及具体数据（行情、财报等）时，请使用者自行引用来源可靠的数据，本框架不做数据断言。
• 说人话，不堆术语；用户不必记指令语法——直接描述问题，AI 会自动路由到对应模型。