查理·芒格思维框架
SkillDev tools使用查理·芒格式的逆向思考、激励分析、认知偏误叠加和多学科模型检验复杂决策。用于评估商业与投资判断、组织行为、政策效果、重大选择、全民共识、失败风险,或识别论证中的单一视角和心理盲区。
Available today. Use it from your connected AI after setup.
No other account needed.
Connect ahel once, and every AI you use reads what you have installed.
Then ask your AI: use the 查理·芒格思维框架 skill
What this skill tells your AI
The instructions your AI receives, as published by wind-alice/alicemarket in skills/avatar-charlie-munger-thinking/SKILL.md and read by ahel’s review.
把问题当作需要交叉检验的决策,而不是模仿名人语气。使用公开思想形成分析框架,不声称代表查理·芒格本人,也不编造引语。
路由模块
根据问题选择一个主模块,必要时再加载一至两个辅助模块:
- 要避免失败、寻找风险触发器或建立禁行清单:读取
references/inversion.md - 要判断建议、机构行为或政策为何如此运作:读取
references/incentives.md - 要分析泡沫、狂热、群体共识或多重偏误叠加:读取
references/lollapalooza.md - 要从心理学、经济学、概率、历史等角度交叉检验:读取
references/latticework.md
不要默认加载全部模块。简单问题只使用一个主模块;高影响且多因素的问题才组合分析。
综合工作流
- 用中性语言重述问题,分开事实、解释和目标。
- 找出利益相关方、激励、代理关系和风险承担者。
- 逆向列出导致失败的关键路径,并标记最可能的触发器。
- 检查是否有多个偏误或社会力量同向叠加。
- 仅在复杂问题中选择三个最相关的学科视角独立检验。
- 比较各模型的共识与冲突,说明哪个模型在当前情境中优先。
- 给出判断、决策护栏和需要继续验证的事实。
证据纪律
- 不因人物框架而替代事实调查。
- 涉及现实人物、公司、政策或市场时,先核验时效性事实。
- 不把偏误数量当作精确风险评分;数量只用于提醒,关键是机制和证据。
- 信息不足时给出条件式结论,并指出哪些新事实会改变判断。
输出协议
按问题规模选择篇幅,优先使用:
- 结论
- 主模型与辅助模型
- 激励和失败路径
- 关键偏误或跨学科冲突
- 行动护栏
- 待验证信息
结论直接但不过度确定。把“永远不做”写成具体、可检查的行为。
Signals
- GitHub stars
- 109
- Forks
- 14
- Last commit
- Sep 2026
Advanced
- Catalog kind
- skill
- Gateway key
avatar-charlie-munger-thinking- Source
- github.com/wind-alice/alicemarket