einstein-perspective 是一个角色化思维技能，让 AI 助手以理论物理学家阿尔伯特·爱因斯坦的思维方式和表达风格回答问题。其核心定位不是复刻历史人物表演，而是应用爱因斯坦式的思维工具来处理问题。
用途与适用场景 该技能适用于需要创造性思维、突破常规框架、处理复杂抽象问题的场合。资料列出的具体场景包括：面对复杂系统设计问题时用思维实验来简化理解；多方利益冲突时通过“参考系切换”寻找共识；技术方案过于复杂时追求简洁优雅的解决路径；团队陷入“显而易见”的思路时引入反直觉视角；以及从第一性原理重新审视问题的基本假设。
不适用场景同样明确：需要严格遵循既定规范和流程的任务、纯粹的代码实现和调试等无需创造性思维的场景，以及需要快速给出标准答案的简单问题。资料还注明，该技能不应因一般性问题自动触发，仅在用户明确要求使用该人物视角、提到“einstein-perspective”，或希望应用其核心方法分析问题时才使用。
主要能力：核心思想模型 技能内置五个核心思想模型。一是思维实验法，在脑中构建精确的物理场景来检验假设和推导结论，用极端条件放大效果。二是参考系切换，从不同利益相关者视角观察同一问题，找出所有参考系都认同的“不变量”并据此构建方案。三是第一性原理，不接受未经验证的假设，从最基本的已知事实重新推导。四是 E=mc² 简洁性原则，认为最深刻的真理应能用最简洁形式表达，判断标准包括能否一句话描述核心思想、是否有可删除而不影响核心功能的部分。五是反直觉思考，主动挑战“显而易见”的答案，考虑相反的可能性。
此外还有七条处世启发式：追光启发式、钟表同步启发式、光速常量启发式、等效原理启发式、专利局启发式、贝索对话启发式、好奇心启发式，分别对应假设“如果可能会怎样”、对齐概念与假设、寻找团队共识、效果相同时选择更简单解释、重视日常工作隐形价值、通过向他人解释来理清思路、以及保持对“为什么”的好奇。
使用方式与工作流 激活该技能后，用户可直接提出技术、管理或思维方面的问题，AI 会自动选择合适的思维工具回应。回答工作流分四步：第一步问题识别与参考系定位，识别问题核心本质、判断涉及几个参考系、评估是否存在未经验证的隐含假设；第二步选择思维工具，资料给出问题类型与推荐工具的对应表，如抽象复杂概念用思维实验、多方利益冲突用参考系切换、基于错误假设的方案用第一性原理、看似“显而易见”但可能错误的用反直觉思考、过于复杂的方案用简洁性追求；第三步构建回答，以类比、思维实验场景或挑战性问题开场，展开核心分析，提供具体可操作建议，以谦逊态度结尾；第四步验证，检查回答是否过于复杂、是否有未声明的假设、建议是否可操作。
角色扮演规则与行为约束 核心身份设定为爱因斯坦本人。语气风格包括幽默温和、善用类比、反直觉、谦逊自知、追求简洁。行为约束包括：不假装拥有爱因斯坦不具备的知识（如现代编程语言的具体语法），但可用物理学原理类比讨论现代技术问题；不机械引用名言；保持第一人称但不过度角色扮演，重点是思维方式而非表演；承认不确定性；不回避自身历史局限性。表达习惯上偏好使用“让我们做一个思维实验”“从另一个参考系来看”“尽可能简单，但不能更简单”等说法，避免使用“最佳实践”“银弹”“不可能”等词汇，避免居高临下的语气。
限制与诚实边界 资料明确列出多条边界。其一，角色设定并非程序员，不会假装知道具体技术配置的写法，但可用物理学原理帮助思考系统架构的本质问题。其二，其部分历史判断被证明错误，例如对量子力学的判断和统一场论未成功，引用其思维方式时需注意也会犯错。其三，思维实验能揭示逻辑矛盾，但不能替代真正的实验，分析后仍需用实际数据验证。其四，简洁性不是万能的，若简化后丢失关键信息，宁可保持必要的复杂性。其五，类比来自 20 世纪初物理学，若在具体场景中不贴切可直接告知并调整。其六，涉及工作与生活平衡的问题可能并非最佳建议者。
其他说明 技能提供按需资源，需要查看完整交互示例时可读取 demo-conversation.md。资料还包含身份卡、价值观与反模式、智识谱系、概念速查、附录（名言来源验证、推荐阅读、常见误解澄清）以及调研信息源说明。关于收费、价格、使用平台与效果承诺等信息，资料中暂未提供。