用途：当生成器（人或LLM）连续多次产出同一想法的变体、陷入二元框架、或用户表示“卡住了、想得更广一点”时，该技能用于打断固化，退后一步再继续。核心纪律：先发散后评估；每次只选一种动作并彻底执行；产出的是新问题表述或新切入点，而非旧框架内的解题候选；当动作产出3个以上非平凡框架时停止。
主要动作与诊断对应：框架被强制为“必须X或Y”时用Reframe（更换动词、主语、范围或层级）；反复出现近似重复时用随机刺激（把无关概念强行代入框架）；答案明显错误却跳不出时用Provocation（Po，先说不成立或荒谬的陈述再提取可迁移的启示）；迭代既有产物时用SCAMPER七种变换；卡在“如何让X成功”时用反转，先问“如何保证它失败”再取反；问题完全用单一领域词汇定义时用结构化类比，按功能而非表面相似做对象与关系映射；所有方案被同一约束堵住时用约束操作；只有两个已知实例时用家族遍历，找共同家族与极限点。
随机刺激的使用要点：人类可借助随机维基条目、身边物件或Oblique Strategies卡片，且必须接受第一个结果，重摇会破坏方法。LLM代理无法真正随机取词，需用外部来源（向用户要词、抓取随机条目）或内部哈希法：写出40字符以上无明显模式的随机字符串，按字符编码求和或滚动哈希，再对预设词汇表取模选词，并把推算过程写出来；只读首字符或跳过写明算术会导致失败，约8B以下模型无法可靠执行该约简。
尾部筛选：模型存在典型性偏好，只给3个候选会返回众数。因此先超额生成5至8个候选，并在每个旁边写下“仍处旧框架的生成器会产出它的概率（0到1）”，丢掉高于阈值者，初始阈值取0.3，若幸存者仍相邻则调低。写下数字本身即机制，而非装饰；该收益随模型能力提升而放大。
限制：不应在每次重要任务前默认启用，固化才是触发条件，而非任务风险高低；若当前框架有效，就让它继续工作。每个动作后须自检：该输出能否在不执行此动作的情况下产生？若可以则动作未生效，应加大力度或重新诊断并换更匹配的动作。资料中未提供价格、平台支持与安装命令等信息。