用途
Expansive Inquiry 是一种面向分布式智能的认知架构。大多数探究将主题压缩为单一声音，而该技能编排六个各具独特认知姿态的透镜，并将其输出编织成综合，以浮现任何单一透镜都无法独自发现的涌现元模式。
适用目标：开放式主题问题（如“仪式在分布式团队中的角色是什么？”）；用户希望获得认知多元性而非收窄的战略决策；逻辑单独会压平主题的戏剧/艺术/哲学分析；需要多学科透镜的研究综合；用户用“深度地”“从每个角度”“合唱”“神话诗性”等词描述的任何内容。
不适用目标：以失败为中心的分析（改用 premortem）；在选项间投票决策（改用 LLM Council）；事实性/封闭问题（直接回答）；代码审查或功能规格（对六透镜编排而言过于狭窄）。如果用户想要一个答案，此技能是错误工具；如果他们想要一个形状——主题在认知寄存器上的拓扑——则此技能正确。
主要能力
六个透镜（认知人格），每个透镜具有角色、姿态、提示模板和输出结构，并非通用“视角”，而是具有需抵抗的特定反模式的认知姿态：
-
Scope AI（澄清）：将用户主题提炼为单一精确可行动的探究句。姿态为现象学还原。反模式：逐字重述主题，必须收窄或锐化。输出含 ## Core Inquiry、## Essential vs. Peripheral、## Hidden Ambiguities。
-
Logic AI（理性分支）：构建正统探究路线的严格逻辑树。姿态为分析哲学。反模式：列出五个无内部递归的通用分支。输出含 ## Five Lines、## Recursive Tree、## Strongest Branch。
-
Mythos AI（直觉分支）：通过隐喻、原型和叙事揭示隐藏维度。姿态为神话诗性。反模式：通用的“英雄之旅”映射，必须承诺具体的原型主张。输出含 ## Five Framings、## Stories、## Archetypal Reading。
-
Bridge AI（横向/跨域）：在主题与看似无关的领域间寻找意外连接。姿态为跨学科。反模式：相邻领域类比，必须真正跨越。输出含 ## Five Bridges、## Hybrid Questions、## Most Productive Bridge。
-
Meta AI（递归设计）：设计针对探究本身的自改进反馈回路。姿态为反身性。反模式：将“元”仅视为“总结”，必须提出机制。输出含 ## System Diagnosis、## Feedback Loop、## Three Adaptations。
-
Pattern AI（涌现元模式识别）：检测跨越所有先前透镜的母题和元模式。姿态为超扫描。反模式：将某一透镜的主题重述为涌现，必须找到仅在跨透镜叠加中可见的内容。输出含 ## Cross-Lens Motifs、## Three Meta-Patterns、## Topological Reading。
使用方式
执行图（独立处并行，依赖处顺序）：
Scope ──┬──> Logic ────┐ ├──> Mythos ───┤ │ ├──> Meta ──> Pattern └──> Bridge ───┘
阶段 1 — Scope（顺序）。必须首先完成；下游透镜以收窄后的探究为关键。
阶段 2 — Logic、Mythos、Bridge（并行）。三者均以 Scope 为输入但彼此独立。通过 Agent 工具以 subagent_type: general-purpose 并行生成三个子代理，使用上述提示。
阶段 3 — Meta（顺序）。依赖阶段 1+2；对先前输出进行反身。
阶段 4 — Pattern（顺序）。依赖所有五个先前阶段；跨透镜叠加仅在完整语料上有效。
性能说明：并行化阶段 2 相比纯顺序执行可将墙钟时间大致减半。
上下文窗口纪律：V4 原型将 JSON.stringify(results) 传递给每个后续阶段，耗尽 token 预算。此技能在向下传递前总结先前输出。总结规则：对于包含先前透镜输出的任何提示上下文，传递每个先前透镜的 1 段执行摘要（≤ 100 词）；仅对紧邻的前一透镜传递完整输出（Meta 看到完整 Bridge；Pattern 看到完整 Meta 但压缩更早的透镜）。如果用户主题已经 token 繁重（如 10K 词简报），生成该简报的 Scope 阶段压缩并在下游使用该压缩。
输出工件：每次 Expansive Inquiry 会话产生 expansive-inquiry-{slug}/ 目录，含 00-scope.md、01-logic.md、02-mythos.md、03-bridge.md、04-meta.md、05-pattern.md、06-synthesis.md 和 inquiry-report.html（可选）。{slug} 为 kebab 化的主题。每阶段 frontmatter 模板包含 title、description、topic、stage、ai_role、stage_number、total_stages: 6、inquiry_type: expansive_collaborative、generated、tags、methodology: multi-lens-collaborative-inquiry。
综合阶段（06）：综合是产品。大多数用户会阅读综合并略读透镜输出。必须包含：拓扑阅读（主题在六个透镜上的形状）；认知签名（短字符向量，如“logic-heavy + metaphorically thin + recursively deep + bridge-rich”）；生产性矛盾（透镜何处不一致，不一致是信号，应浮现而非平滑）；三个元模式（直接取自 Pattern AI 并锐化）；下一次探究（每次 Expansive Inquiry 都应产生自己的下一个问题，始终如此）。
可选 HTML 可视化：如果用户请求视觉或探究被分享/展示，生成 inquiry-report.html：单一自包含 HTML 文件，含内联 CSS +（可选）Chart.js 用于认知签名雷达图；深色背景（#0a0e1a），六卡片网格（每透镜一张）每阶段有独特强调色；顶部：综合 + 认知签名雷达；页脚：时间戳 + 主题 + 方法论版本。
适用场景
开放式主题问题、需要认知多元性的战略决策、戏剧/艺术/哲学分析、多学科研究综合，以及用户用“深度地”“从每个角度”“合唱”“神话诗性”等词描述的任何内容。
限制
不适用于以失败为中心的分析（改用 premortem）、在选项间投票决策（改用 LLM Council）、事实性/封闭问题（直接回答）、代码审查或功能规格。如果用户想要一个答案，此技能是错误工具。重要注意事项：不要压平合唱——如果在 Logic 和 Mythos 中写出相似内容，其中之一有误，Logic AI 不得兼职 Mythos AI；抵抗通用输出——通用的 Mythos 阅读（“这像英雄之旅”）会使技能失败，每个透镜必须承诺主题特定的主张；并行生成阶段 2 透镜——单消息 Agent 调用含三个工具使用，顺序生成浪费时间并污染输出；递归前压缩——绝不将完整先前输出传递给所有下游透镜，使用上述总结规则；在综合中浮现矛盾——Logic 与 Mythos 之间的不一致是整个探究最具生成性的输出，不要平滑它；每次探究产生下一次探究——没有 Expansive Inquiry 以“完成”终止，它以“现在这个进一步问题打开”终止，始终以下一个问题结束。这不是 premortem——premortem 假设失败并逆向工程原因，Expansive Inquiry 不假设任何事并探索拓扑。这不是 LLM Council——Council 轮询多个代理对单一决策的意见，Expansive Inquiry 将主题分解为六个认知姿态并综合跨透镜叠加，机制不同，输出不同。