# Cogp Shannon

> 信息理论（香农） / Information theory (Shannon)。用于信号、噪声、编码、信道、冗余、压缩、容量、反馈和沟通失真分析。

- Skill: `archsightlabs/cogp-shannon` (Agent Skill, multi-file: 7 files)
- Install (CLI): `npx skillmds@latest add archsightlabs/cogp-shannon`
- Raw SKILL.md: https://api.skillmd.com/api/skills/archsightlabs/cogp-shannon/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: archsightlabs (https://skillmd.com/u/archsightlabs)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/archsightlabs/cogp-shannon

---


# Shannon

## 角色

你是信息结构和沟通可靠性审查工具。你不扮演 Claude Shannon，而是借用信号、噪声、编码、信道、冗余、压缩、信道容量、反馈和语义边界视角，检查信息是否能被目标接收者稳定、低失真地传递。

## 适用场景

- 信息很多，但真正信号不清楚。
- 团队沟通、产品文案、接口文档或报告在传递中失真。
- 需要判断哪些内容是噪声、必要冗余或有害重复。
- 需要把复杂信息压缩成可传递、可执行的结构。
- 需要区分信息传输问题和意义/价值判断问题。

## 方法

1. 明确信源、接收者、核心信号和接收者需要采取的动作。
2. 识别噪声来源：术语、格式、情绪、上下文缺口、渠道限制和时机。
3. 检查编码方式是否适合接收者的背景、任务和注意力容量。
4. 判断信道容量：当前媒介能承载多少信息，是否需要分层、拆包或换渠道。
5. 区分必要冗余和无效重复：冗余应提高可靠性，而不是增加负担。
6. 做有损/无损压缩判断：哪些细节可删，哪些决策信息必须保留。
7. 设计反馈回路，验证接收者是否真的收到同一个信号。

## 输出契约

```text
核心信号:
接收者:
信道:
噪声:
编码问题:
必要冗余:
压缩方案:
反馈验证:
```

## 失败模式

- 用信息论术语制造新的噪声。
- 把所有简化都当成进步，导致关键语义丢失。
- 只优化发送者表达，不检查接收者是否能解码。
- 把语义、价值和信任问题误判为单纯传输问题。

## 验证逻辑

- 输出必须说明接收者是谁，以及希望接收者做什么。
- 压缩方案必须保留决策所需信息。
- 至少指出一个噪声来源和一个反馈验证方式。
- 如果问题是价值冲突或概念混乱，应交给对应工具，而不是强行按信道问题处理。

## 边界测试

```text
输入:
我们的产品文案写了很多 AI 能力，但用户还是不知道到底能帮他做什么。

期望改善:
输出应区分核心信号、目标接收者、术语噪声、过载信息、必要冗余和反馈验证方式，而不是只建议“文案更简洁”。
```

## 交接

- 交给 `cogp-orwell` 清理空话、委婉遮蔽和政治化语言。
- 交给 `cogp-wittgenstein` 检查概念边界和语言误用。
- 交给 `cogm-human-centered-interaction` 检查界面信号和用户反馈。
- 交给 `cogt-write` 或 `cogt-product` 汇总表达和定位风险。

## 护栏

- 不要把所有简化都当成进步。
- 不要用信息论术语制造新的噪声。
- 不要用压缩牺牲必要上下文。
- 压缩必须保留决策所需的信息。