First Principles

第一性原理思维

前置协议

环境检测

# 检测当前项目信息
PROJECT_ROOT=$(git rev-parse --show-toplevel 2>/dev/null || echo "unknown")
BRANCH=$(git branch --show-current 2>/dev/null || echo "unknown")
COMMIT=$(git rev-parse --short HEAD 2>/dev/null || echo "unknown")

echo "PROJECT: $PROJECT_ROOT"
echo "BRANCH: $BRANCH"
echo "COMMIT: $COMMIT"

前置技能检查

benefits-from 检查（推荐但非必须）：

# 检查 goal-oriented 工件
GOAL_ARTIFACT="memory/artifacts/goal-oriented/latest.json"

if [ -f "$GOAL_ARTIFACT" ]; then
  echo "FOUND: goal-oriented artifact"
  # 提取目标信息（使用 Read 工具读取）
  # 在分析中参考目标上下文
else
  echo "INFO: No goal-oriented artifact found"
  echo "Consider running /goal-oriented first for better context"
fi

工件目录初始化：

# 确保工件目录存在
mkdir -p memory/artifacts/first-principles

用户意图确认

根据用户消息判断：

检查点：

• [ ] 用户面临的问题是否需要创新方案
• [ ] 是否需要打破既有假设和惯例
• [ ] 问题复杂度是否适合第一性原理分析

意图分类：

1. 创新问题：需要从本质重新构建解决方案
2. 性能优化：找到瓶颈的根本原因
3. 技术选型：从根本上分析需求
4. 架构设计：从本质出发设计系统

Overview

第一性原理是一种从最基础、最根本的真理或事实出发,重新构建问题解决方案的思维方式。它要求抛开现有假设、惯例或类比,直接追问"这件事的本质是什么?""最基本的构成要素是什么?",然后基于这些基础元素推导出新的可能性。

核心区别:

• 类比思维: 基于现有方案改进("别人怎么做,我也能怎么做")
• 第一性原理: 从本质重新构建("根本不需要这样做")

典型例子: 埃隆·马斯克思考火箭制造成本时,不是接受市场价,而是从原材料成本出发,得出自己制造更便宜的结论。

When to Use

适用场景:

• 复杂问题需要创新方案
• 常规方法失效,需要突破
• 需要打破既有假设和惯例
• 成本/效率需要根本性突破
• 技术选型、架构设计等关键决策
• 用户明确要求"从本质思考"

不适用场景:

• 简单的、已解决的问题
• 标准化的、成熟的做法
• 时间紧急,需要快速复用现有方案

The Process

digraph first_principles {
    rankdir=TB;

    "识别问题" [shape=box, style=filled, fillcolor="#e0e0e0"];
    "拆解到基础元素" [shape=box, style=filled, fillcolor="#c8e6c9"];
    "质疑假设" [shape=box, style=filled, fillcolor="#fff9c4"];
    "重建方案" [shape=box, style=filled, fillcolor="#bbdefb"];
    "验证可行性" [shape=box, style=filled, fillcolor="#f8bbd0"];
    "保存工件" [shape=box, style=filled, fillcolor="#81c784"];

    "识别问题" -> "拆解到基础元素";
    "拆解到基础元素" -> "质疑假设";
    "质疑假设" -> "重建方案";
    "重建方案" -> "验证可行性";
    "验证可行性" -> "识别问题" [label="不可行", style=dashed];
    "验证可行性" -> "保存工件" [label="可行"];
}

步骤详解

步骤 1: 识别问题

• 清晰陈述当前面临的问题
• 区分"症状"和"根本问题"
• 明确问题的边界和约束
• 如果存在 goal-oriented 工件，参考目标上下文

步骤 2: 拆解到基础元素

• 将问题分解为最基础的组成部分
• 问"不能再拆分的是什么?"
• 识别物理定律、逻辑真理等不可动摇的基础

步骤 3: 质疑假设

• 列出所有"理所当然"的假设
• 问"这真的是必须的吗?"
• 问"如果这个假设不存在会怎样?"
• 区分"必须如此"和"习惯如此"

步骤 4: 重建方案

• 基于基础元素重新构建解决方案
• 不受现有方案的限制
• 探索多种可能性
• 记录每个方案的理由和权衡

步骤 5: 验证可行性

• 检查是否符合基础定律
• 评估实施成本和风险
• 如果不可行,回到步骤 1 重新审视问题
• 如果可行，进入工件保存阶段

步骤 6: 保存工件

• 生成工件 JSON 文件
• 记录分析过程和结果
• 推荐后续技能

Thinking Framework

使用以下表格系统化地进行第一性原理思考:

| 层级 | 问题 | 提示 | 示例(火箭成本) | |------|------|------|------------------| | 表象 | 现在的问题是什么? | 描述症状和现象 | 火箭太贵,$65M/个 | | 假设 | 我们认为的"必须如此"是什么? | 列出所有假设 | 必须买现成的、供应商定价合理 | | 本质 | 最基础的构成要素是什么? | 物理定律、原材料、基本原理 | 铝、钛、碳纤维,材料成本$800K | | 重建 | 如何从本质重新构建? | 忽略现有方案,从头设计 | 自己制造,成本降至$8M |

思考提示:

1. 表象层: 不要把症状当成问题本身
2. 假设层: 每个"必须"都要被质疑
3. 本质层: 找到不可动摇的基础(物理、逻辑、数学)
4. 重建层: 大胆假设,小心验证

Examples

案例 1: 数据库查询性能优化

问题: 查询太慢,平均耗时 10 秒

表象: 查询慢,需要优化 SQL

假设:

• 索引已经够好了
• 数据量大是瓶颈
• 需要更快的硬件

本质:

• 磁盘 I/O 是真正的瓶颈(占比 70%)
• 大量不必要的全表扫描
• 查询逻辑冗余

重建:

• 从 I/O 优化入手,而非 SQL 调优
• 引入缓存层减少磁盘访问
• 重写查询逻辑,只查必要字段
• 结果: 查询时间降至 0.8 秒

案例 2: 软件架构技术选型

问题: 需要选择微服务框架

表象: Spring Cloud、Dubbo、gRPC 哪个更好?

假设:

• 必须用成熟的框架
• 功能越多越好
• 社区活跃度最重要

本质:

• 业务需求是"服务间通信"
• 当前团队规模 "$ARTIFACT_FILE" /dev/null | head -1)

if [ -n "$GOALFILE" ]; then GOALSTATUS=$(grep "状态：" "$GOAL_FILE" | awk '{print $2}')

if [ "$GOALSTATUS" = "pending" ]; then echo "GOAL STATUS: $GOALSTATUS" echo "Adding milestone: 第一性原理分析完成"

# 使用 Edit 工具添加里程碑 # 例如："第一性原理分析完成 - {时间}" fi fi

### 建议后续技能

根据分析结果，推荐后续技能：

**推荐格式**：
```markdown
## 后续建议

基于第一性原理分析结果，建议继续执行：

**推荐技能链**：
1. /ddd-strategic-design - 如果涉及系统架构设计
2. /mvp-first - 如果是新系统或新功能
3. /pdca-cycle - 进入迭代执行阶段

**根据解决方案类型选择**：
- **架构设计类** → /ddd-strategic-design → /ddd-tactical-design
- **新系统开发** → /mvp-first → /pdca-cycle
- **性能优化类** → /pdca-cycle
- **技术选型类** → 直接进入实施

是否继续执行？
- A) 执行推荐的技能链
- B) 只执行第一个技能
- C) 不继续，结束当前任务

References

• 《第一性原理》- 亚里士多德哲学基础
• Elon Musk on First Principles Thinking - TED Talk
• Zero to One - Peter Thiel
• 第一性原理思维导图

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: konglong87
• Source: konglong87/methodology-skills
• License: MIT
• Homepage: https://konglong87.github.io/anything-ai/

Install and usage instructions live in the source repository linked above.