First Principle Analyzer - 第一性原理分析器#

版本：v2.3.0

定位：L1 增强层 - 第一性原理思维增强引擎

状态：✅ 生产就绪（7 阶段分析框架）

---

📖 技能说明#

First Principle Analyzer 是一款第一性原理思维增强工具，通过结构化 7 阶段分析框架（问题接收→假设识别→逐层分解→基本真理验证→重构方案→类比方案对比→报告生成），帮助用户从基本原理出发分析问题，识别并挑战隐含假设，提取不可再分的基本真理，从 fundamentals 演绎创新解决方案。

核心价值：摆脱类比思维陷阱，回归事物本质，产生原创性解决方案。

适用场景：

• ✅ 复杂问题分析（技术难题、商业决策）
• ✅ 创新方案设计（产品重新设计、市场进入策略）
• ✅ 重大决策支持（职业选择、投资方向）
• ✅ 学术研究（研究方向评估、论文选题）
• ✅ 创业方向验证（从基本原理验证商业模式）

---

🎯 使用场景#

场景 1：技术难题分析#

任务：「为什么我们的 AI 系统响应速度慢？」

分析流程：

text

Phase 1: 问题接收
  ↓
Phase 2: 假设识别（识别 5 个隐含假设）
  ↓
Phase 3: 逐层分解（5 层"为什么"追问）
  ↓
Phase 4: 基本真理验证（3 个不可再分真理）
  ↓
Phase 5: 重构方案（2 个创新方案）
  ↓
Phase 6: 类比方案对比
  ↓
Phase 7: 报告生成

使用方式：

bash

first-principle-analyzer analyze \
  --problem="为什么我们的 AI 系统响应速度慢" \
  --output="analysis-report.md"

预期输出：

• 识别 5+ 个隐含假设
• 至少 5 层"为什么"追问
• 提取 3+ 个基本真理
• 生成 2+ 个创新方案

---

场景 2：创业方向验证#

任务：「应该进入 AI Agent 市场吗？」

分析流程：

text

1. 识别假设
   - "AI Agent 市场有需求"
   - "我们有竞争优势"
   - "市场会持续增长"
   ↓
2. 挑战假设
   - 需求真实存在吗？
   - 优势可持续吗？
   - 增长可预测吗？
   ↓
3. 基本真理
   - "企业需要自动化 AI 工作流"
   - "技术门槛在降低"
   - "早期采用者愿意付费"
   ↓
4. 重构方案
   - 方案 A：专注企业市场
   - 方案 B：专注个人市场

---

场景 3：职业选择决策#

任务：「应该换工作还是创业？」

使用方式：

bash

first-principle-analyzer analyze \
  --problem="应该换工作还是创业" \
  --dimensions="career,finance,lifestyle" \
  --output="career-decision.md"

预期输出：

• 识别职业决策的隐含假设
• 从人生基本真理出发分析
• 生成个性化决策建议

---

💰 定价方案#

版本价格功能适用对象个人版¥69/年基础分析框架、5 次分析/月、标准报告模板个人用户、学生商业版¥699/年个人版 + 无限分析、定制报告模板、团队协作、API 调用小型团队、创业公司企业版¥6999/年商业版 + 私有部署、定制分析框架、专属支持、SLA 保障中大型企业、咨询机构

---

❓ FAQ（常见问题）#

Q1: 第一性原理分析需要多长时间？

A: 标准分析约 15-30 分钟，复杂问题可能需要 1 小时以上。建议预留充足时间进行深度思考。

Q2: 如何确保分析质量？

A: 采用 7 阶段标准化流程，每个阶段都有检查清单。支持多人协作评审，确保分析质量。

Q3: 支持多人协作分析吗？

A: 商业版和企业版支持多人协作，可邀请团队成员参与分析，共同挑战假设和验证真理。

Q4: 可以导出分析报告吗？

A: 支持导出 Markdown、PDF、Word 格式报告。企业版支持自定义报告模板和品牌定制。

Q5: 如何保护分析数据隐私？

A: 所有分析数据本地加密存储，企业版支持私有部署和数据访问审计。符合 GDPR 和中国数据安全法规。

Q6: 7 阶段框架具体是什么？

A: 问题接收→假设识别→逐层分解→基本真理验证→重构方案→类比方案对比→报告生成。每个阶段都有详细指导。

Q7: 适合什么类型的问题？

A: 适合复杂、模糊、多维度的问题。简单问题无需使用第一性原理分析。

---

🚀 快速开始#

安装#

bash

clawhub install first-principle-analyzer

基础使用#

bash

# 启动分析
first-principle-analyzer analyze --problem="问题描述"

# 导出报告
first-principle-analyzer export --format=markdown

# 协作分析
first-principle-analyzer share --with="team@company.com"

高级使用#

bash

# 自定义维度
first-principle-analyzer analyze \
  --problem="复杂问题" \
  --dimensions="tech,market,finance"

# 团队协作
first-principle-analyzer collaborate \
  --team="team-id" \
  --role="reviewer"

---

📊 7 阶段分析框架#

Phase 1: 问题接收#

目标：明确问题边界和背景

检查清单：

• 问题描述清晰
• 背景信息完整
• 利益相关者识别
• 成功标准定义

---

Phase 2: 假设识别#

目标：识别所有隐含假设

检查清单：

• 识别至少 5 个假设
• 分类假设（技术/市场/财务）
• 优先级排序

---

Phase 3: 逐层分解#

目标：5 层"为什么"追问

检查清单：

• 每层至少 3 个"为什么"
• 追溯到最后可操作层面
• 记录完整分解路径

---

Phase 4: 基本真理验证#

目标：提取不可再分的基本真理

验证标准：

• ✅ 不可再分
• ✅ 不证自明
• ✅ 独立于其他命题

---

Phase 5: 重构方案#

目标：从基本真理演绎创新方案

要求：

• 至少 2 个创新方案
• 每个方案都有基本真理支撑
• 方案可执行

---

Phase 6: 类比方案对比#

目标：与传统类比方案对比

对比维度：

• 创新性
• 可行性
• 风险
• 成本

---

Phase 7: 报告生成#

目标：生成完整分析报告

报告结构：

1. 问题描述
2. 假设识别
3. 分解路径
4. 基本真理
5. 创新方案
6. 对比分析
7. 建议

---

成功案例#

案例 1：技术难题解决#

客户：某 AI 创业公司

问题：「为什么我们的 AI 系统准确率低？」

分析结果：识别 5 个假设，提取 3 个基本真理，生成 2 个创新方案

结果：准确率提升 35%，节省 3 个月研发时间

案例 2：创业方向验证#

客户：连续创业者

问题：「应该进入 AI Agent 市场吗？」

分析结果：从基本原理验证市场需求，避免盲目进入

结果：调整方向，选择细分市场，6 个月后盈利

---

📞 技术支持#

• 📧 邮箱： support@pagoda111king.com
• 💬 微信：pagoda111king
• 📖 文档： https://clawhub.ai/skills/first-principle-analyzer/docs
• 🐛 反馈： https://clawhub.ai/skills/first-principle-analyzer/issues

---

📜 许可证#

MIT License - 免费使用、修改和重新分发

---

文件版本：v2.3.0

创建时间：2026-04-01

上架时间：2026-04-01

更新时间：2026-04-02

上架用户：pagoda111king