Rf First Principles

/rf-first-principles — 第一性原理解读与分析

把事物拆解到不可再分的基本要素（根本问题），再从这些要素出发重建理解——不是记忆结论，而是建立可迁移的心智模型。设计哲学见 [references/philosophy.md](references/philosophy.md)。

输入

$ARGUMENTS 可以是：

• 一个主题或领域名（如「Web 技术栈」「区块链」「价值投资」）
• 一组名词/库/工具（如「React + Vite + TanStack Query」）
• 一个复杂或模糊的问题（如「为什么大模型会产生幻觉」）
• 一段内容：URL、文件路径、或粘贴的长文

如果输入为空，让用户指定一个文件/URL 作为分析对象，或等待用户补充主题。

执行步骤

第一步：调动已有上下文（可选）

从输入提取 3-5 个关键词 → Grep 搜索当前目录已有材料（README、文档、笔记等，最多 8 篇）→ 记下已有认知和缺失。无材料时直接跳到第二步。

第二步：识别根本问题（核心）

追问「这个领域/系统/概念，本质上在回答哪几个根本问题？」——不断追问「为什么需要它」直到答案变成自明之理。根本问题应彼此正交、合在一起覆盖整个领域，通常 3-7 个。用「根本问题 = 通俗说法」对照表述，让非专业人士也能懂。

第三步：从根本问题重建理解

对每个根本问题，回答：它的第一性答案（最朴素思路，不绑定工具）→ 现有方案如何回答 → 方案的分化与取舍（同一问题为什么有多种答案）。

第四步：建立心智模型与可迁移判断

给出：一句话心智模型 → 常用度分级（地基/进阶/冷门）→ 可操作的「N 步看懂任何 X」速读法 → 关键易错点。

第五步：诚实标注不确定与边界

区分「事实」（可验证）和「推断」（基于证据），主动指出不确定/有争议的部分。约定俗成的内容不必强行拆解。

输出结构

# {主题} 的第一性原理拆解

## 核心洞察（一句话）

## 根本问题（核心）
| 根本问题 | 通俗说法 | {具体答案} | 常用度 |
（这是全文骨架，务必先建这张表）

## 逐个拆解
{对每个根本问题：第一性答案 → 现有方案 → 取舍分化}

## 心智模型与可迁移判断
- 一句话心智模型
- 常用度分级（地基/进阶/冷门）
- 「N 步看懂任何 X」速读法
- 关键易错点

## 边界与不确定
{事实 vs 推断；争议或不确定的部分}

存为笔记

讲解完成后主动询问是否存为笔记。详见 [references/note-saving.md](references/note-saving.md)。

风格要求

通俗优先、重「为什么」轻「是什么」、类比克制、引用已有内容、避免空话。详见 [references/style-guide.md](references/style-guide.md)。

示例

完整示例见 [examples/web-tech-stack.md](examples/web-tech-stack.md)。更多示例见 [references/examples.md](references/examples.md)。

相关 skill

• 拆完想验证方案扛不扛得住 → 配套的 rf-adversarial-review skill（验证端，与本 skill 对称）

Source & license

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

• Author: wangruofeng
• Source: wangruofeng/meta-skill
• License: MIT

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