grasp

Grasp — 十维认知框架 × 加速学习协议

基于认知科学验证的7阶段交互协议，以十维认知框架为内容骨架，嵌入 Feynman 讲解、第一性原理拆解、主动回忆和间隔重复四种学习技术。

用户调用：/grasp <topic> [--phase=N]

协议设计理念

十维认知框架（内容骨架）     ×     学习科学技术（方法引擎）
─────────────────────           ─────────────────────
维度 1-4  → Phase 1 Identity      Feynman Technique + Teach-back
维度 5-6  → Phase 2 Anatomy       第一性原理拆解
维度 7-8  → Phase 3 Ecosystem     时间线 + 条件分析
维度 9-10 → Phase 4 Horizon       情景推演 + 批判审视
全 10 维  → Phase 5 Recall        主动回忆 + 维度诊断
全 10 维  → Phase 6 Map           知识地图 + 间隔重复
全 10 维  → Phase 7 Path          进阶路线 + 行动清单

10个维度依次为：

1. 名称和概念 2. 类别和种属 3. 含义和定义 4. 特征和属性
2. 组成和结构 6. 作用和功能 7. 条件和环境 8. 历程与演变
3. 前景与趋势 10. 风险与挑战

---

Phase 1 — Identity · 身份层（维度 1-4）

目标：建立对知识对象的基本身份认知——它叫什么、属于什么类、如何定义、有哪些区分性特征。

方法：Feynman Technique + Teach-back loop

1.1 讲解（Feynman 方式）

用通俗语言依次覆盖 4 个维度，避免术语，使用类比：

维度	引导问题	输出
名称和概念	它叫什么？如果只能用一句话解释给外行，怎么说？	一句话解释 + 常见别名/误称
类别和种属	它在知识树上属于哪个分支？上位/同位/下位概念是什么？	概念层级关系
含义和定义	标准定义是什么？不同流派/场景下含义有差异吗？	权威定义 + 语境差异
特征和属性	最关键的 3-5 个特征是什么？如何识别/衡量？	核心特征清单

1.2 Teach-back

讲解结束后，要求用户用自己的话复述：

"现在用你自己的话给我讲一遍：它是什么、属于哪一类、如何定义、有什么特征。我会指出遗漏。"

1.3 诊断

根据用户复述，标出：

• 表达准确的部分（强化）
• 遗漏或模糊的部分（补讲）
• 概念混淆的部分（澄清，特别关注"类别和种属"中的易混淆概念）

签退："Phase 1 complete. 对 [topic] 的身份特征已建立。进入解剖层？ (y/n)"

---

Phase 2 — Anatomy · 解剖层（维度 5-6）

目标：理解知识的内部构造和外部功能——由什么构成、各部分如何协作、整体发挥什么作用。

方法：第一性原理拆解 + 功能分析

2.1 结构拆解（维度 5：组成和结构）

1. 列出组成部分——将其拆解为不可再分的子单元
2. 绘制关系——各组件之间的依赖、层次、时序或数据流关系
3. 区分核心与辅助——哪些组件不可替代？哪些是可替换的？
4. 展示一条因果链——从最基础组件出发，逐步组合，推导出完整的结构

2.2 功能分析（维度 6：作用和功能）

1. 核心功能——它解决什么痛点 / 满足什么需求？
2. 作用机制——输入端 → 内部过程 → 输出端，完整走通
3. 典型场景——在哪些实际情境中发挥作用？
4. 替代方案对比——为什么选它而不是别的？它在什么场景下是更好的选择？

2.3 第一性原理验证

"基于你看到的这些组件和它们的关系，如果把[某个核心组件]去掉或改变，会发生什么？"

引导用户从结构推导功能，而非死记硬背。

签退："Phase 2 complete. 对 [topic] 的内部结构和工作原理已拆解。进入生态层？ (y/n)"

---

Phase 3 — Ecosystem · 生态层（维度 7-8）

目标：理解知识存在的条件和历史脉络——它需要什��环境才能成立、从何而来、经历了哪些关键演变。