steelan9199 控制论思维 Cybernetic Thinking
0. 内核
任何任务 = 在可能性空间中，通过建立反馈回路，把系统稳定地推向目标。
关键词不是"做完"，而是"偏差持续缩小并收敛"。
- 没有目标 → 不是控制问题，是探索问题
- 有目标但不可观测 → 先解决观测，不要动手
- 可观测但无反馈回路 → 每一次输出都是孤立投掷，错误不会自动修正
- 有反馈但不稳定 → 会振荡、会发散、会"越改越糟"
1. 三层来源与分工
| 层 | 来源 | 回答的问题 | 核心动作 |
|---|---|---|---|
| L1 世界观 | 维纳《控制论》1948 | 这是什么系统？信息怎么流动？ | 划边界、找通道、分信号与噪声 |
| L2 问题 | 金观涛、华国凡《控制论与科学方法论》1983 | 我要在哪片可能性里做选择？ | 展开可能性空间、选控制方式、判定黑箱 |
| L3 执行 | 钱学森《工程控制论》1954 | 怎么做出来且不出事？ | 建模 → 设目标差 → 建反馈 → 判稳 → 寻优 → 容错 |
顺序不可颠倒：先看清系统，再定义问题，最后才动手。 绝大多数失控，源于跳过了 L1/L2 直接进 L3。
2. 何时启动 / 何时不启动
启动
- 用户显式点名（控制论思路、控制论视角、按控制论拆解）
- 创建或优化 skill、提示词、工作流、SOP
- 多步 / 长链路 / 需迭代收敛的任务
- 需要复盘、纠错、质量控制的场景
- 涉及复杂系统分析、决策、策划
不启动
- 闲聊、事实查询、翻译、摘要
- 单步就能完成的简单指令
- 用户明确只要一个直接答案
3. 三个必须先内化的心智模型
3.1 控制 = 有方向地缩小可能性空间（金观涛） 任何对象都有多种可能走向。控制不是把结果钉死成唯一，而是把不确定性压缩到可接受范围。追求"绝对确定"往往导致过度控制，反而降低系统韧性。
3.2 唯一能对抗不确定性的机制是负反馈（维纳 + 金观涛） 负反馈 = 持续测量"目标差"（实际值与目标值之差），让每一次动作都朝减小目标差的方向积累。单次完美的计划，不如一个能持续纠偏的粗糙回路。
3.3 稳定优先于最优（钱学森） 不稳定的系统谈性能没有意义。顺序永远是：先判稳 → 再寻优 → 最后加容错。在会发散的回路上调参数，是常见的自毁行为。
4. 五步主工作流
Step 0 判定：这到底是不是控制问题
同时满足三条才算：
- 有目标（可描述的期望状态）
- 有可观测的偏差（能量出"离目标还差多少"）
- 有可施加的动作（能改变系统状态）
缺任一 → 明确告知用户缺什么，先补齐，不要硬套。
Step 1 定系统与边界（维纳层）
- 划出系统边界：什么在系统内，什么是外部扰动
- 找信息通道：信号从哪来、经过什么、到哪去
- 区分信号与噪声：哪些是真的有用信息，哪些是干扰
- 检查通道容量：通道太窄会丢信息，太宽会引入噪声
产出：一句话系统描述 + 输入/输出/扰动清单
Step 2 展开可能性空间（金观涛层）
- 列出对象所有现实的走向（不要只想"应该怎样"）
- 估算控制能力 = 控制前可能性空间 ÷ 控制后可能性空间
- 选控制方式（按效率从低到高）：
- 随机控制（试错）—— 只在完全无知时使用
- 有记忆的控制（排除已证伪选项）—— 注意不可逆选择要最后试
- 共轭控制（找个中间变换，把不可控变成可控）—— 工具的本质
- 负反馈调节（持续逼近目标）—— 能力最强，可累积
- 判定黑箱：能不能打开？值不值得打开？ 打不开就用输入输出建模
产出：可能性空间描述 + 选定的控制方式 + 黑箱策略
Step 3 建模与设定目标差指标（钱学森层）
- 建立模型：输入 → 状态 → 输出，允许粗糙，但必须能算
- 定义目标差：一个可量化或至少可判定的偏差指标
- 设定容差：允许误差多大？超出多少必须触发纠偏？
- 明确代价函数：时间、token、金钱、风险，哪个最贵
产出：模型（哪怕只是文字流程图）+ 目标差定义 + 容差阈值
Step 4 建反馈回路并判稳（钱学森层）
- 设计回路：执行 → 测量 → 比对目标差 → 调整 → 再执行
- 判稳：这个回路会收敛还是会发散？
- 纠偏力度过大 → 振荡
- 纠偏过于滞后 → 过冲
- 测量本身有噪声 → 把噪声当偏差，越调越乱
- 若不稳定：先降增益（减小单次纠偏幅度）、加阻尼、缩短反馈周期
产出：反馈回路图（文字）+ 稳定性判断 + 增益设置
Step 5 纠偏、收敛、加容错（钱学森 + 金观涛）
- 执行纠偏，记录每一轮目标差，确认是单调下降还是振荡
- 识别质变：中间过渡态是稳定的（渐变）还是不稳定的（飞跃）
- 飞跃时存在滞后与矫枉过正 —— 这是正常的，不是调错了
- 飞跃时关节点是一个区域，不是一个点
- 加容错：冗余、自检、降级路径。默认每一步都可能失败
- 设终止条件：什么时候算收敛？什么时候该放弃并上报？
产出：收敛记录 + 容错措施 + 终止条件
5. 六个高频思维工具
| 工具 | 一句话 | 用在什么时候 |
|---|---|---|
| 可能性空间 | 先列出所有可能走向，再谈目标 | 定义问题、避免漏解 |
| 共轭控制 | 直接做不到的事，找个变换间接做到 | 卡死时找突破口 |
| 黑箱认识论 | 打不开就别硬开，用输入输出建模型 | 面对不可见系统（他人、市场、闭源模型） |
| 负反馈 / 正反馈 | 缩小目标差 / 放大偏离 | 判断在收敛还是在失控 |
| 突变与关节点 | 质变不是点而是区域，飞跃必有滞后 | 改革、重构、切换方案时 |
| 容错与冗余 | 用不可靠的部件搭可靠系统 | 长链路、多步骤、高风险任务 |
6. 常见失控模式速查
| 症状 | 控制论诊断 | 处置 |
|---|---|---|
| 越改越糟 | 正反馈回路：纠偏动作在放大偏离 | 先停手，画出反馈链，切断放大环节 |
| 反复横跳、永不收敛 | 增益过大导致振荡 | 减小单次纠偏幅度，加阻尼 |
| 改了但看不到效果 | 反馈时滞过长，或通道断了 | 缩短反馈周期，检查测量是否真的在发生 |
| 过度反应、草木皆兵 | 把噪声当成了偏差信号 | 加滤波：多次观测取一致、多通道交叉验证 |
| 卡死动不了 | 目标在可能性空间之外，或该用共轭控制 | 换控制方式，找中间变换 |
| 一开始很猛后来崩盘 | 自繁殖：内部存在自动增长的因果链，抑制机制失灵 | 建立负反馈抑制，设上限 |
| 改小毛病改出大故障 | 过度打开黑箱，破坏了原有稳态 | 退回上一稳定态，改用外部观测 |
7. 供其他 skill 引用
其他 skill 可在正文中这样引用本技能，即可获得完整思维底座：
本 skill 采用控制论思维框架，执行时参考 `cybernetic-thinking`：
- 定义阶段：展开可能性空间，明确目标差
- 执行阶段：建立反馈回路，每轮测量偏差并纠偏
- 收尾阶段：判断收敛，加入容错
引用方只需遵守三条，不必复述理论：
- 先定义目标差指标，再动手
- 每一轮都要测量，不允许无反馈执行
- 先判稳再寻优
8. 输出模板
用本技能完成任务时，结论按此结构收尾：
【系统边界】<什么在系统内，什么是外部扰动>
【目标与指标】<目标状态 / 目标差如何测量 / 容差>
【可能性空间】<有哪些现实走向，为什么选这一条>
【控制方式】<随机 / 有记忆 / 共轭 / 负反馈，为什么>
【反馈回路】<执行 → 测量 → 比对 → 调整，周期多长>
【稳定性】<会收敛吗，振荡风险在哪，如何抑制>
【容错】<哪一步最可能失败，退路是什么>
【收敛状态】<当前目标差，是否达标，下一步>
9. 参考分册
按需读取，不要一次全读：
references/01-wiener-system-information-feedback.md— 维纳层：系统、信息、熵、反馈references/02-tsien-engineering-control.md— 钱学森层：建模、判稳、寻优、滤波、容错references/03-jin-possibility-space.md— 金观涛层：可能性空间、共轭控制、黑箱、突变references/04-workflow-and-checklist.md— 五步工作流展开版与完整自检清单
10. 精简自检（每次执行前扫一遍）
- 目标清晰吗？能说出"达标"的判据吗？
- 偏差可测量吗？测不到就先解决观测
- 反馈回路闭合了吗？还是单向投掷？
- 这个回路会收敛还是会振荡？
- 失败会怎样？有退路吗？
- 什么时候该停？