thinking-dual-process

用途：该技能针对“答案来得太快”的情形。大语言模型首先给出的是快速模式补全，即最可能的续写。这在常规任务上表现良好，但在高风险或不熟悉的任务中，看似合理的答案与正确答案可能分歧。此技能要求在提交前强制进行一次显式验证。\n\n核心原则：流畅不等于正确。当答案来得很容易、而犯错代价很高时，这一组合就是减速验证的触发信号，而不是任务完成的标志。\n\n触发条件：需同时满足两点——答案来得容易；以及犯错的代价真实存在（高风险或不可逆、领域不熟悉或问题新颖、涉及算术/统计推理、看似合理的错误可能蒙混过关）。答案来之不易说明你已深思熟虑；任务琐碎且可逆则无需过度验证。\n\n验证流程：1 重述主张；2 用第二种独立方式重新推导（或测试/运行）；3 对照真实依据检查（代码、文档、数据、数学）；4 若两条路径不一致则找出原因；5 提交已验证答案。\n\n适用场景：高风险或不可逆任务（数据迁移、安全、删除、公开承诺）；不熟悉的领域或新问题；需要统计或定量推理；复审时“看起来没问题”；某个说法方便但尚未核实。\n\n不适用：常规、可逆、低风险任务；已经深思熟虑过的答案；验证成本高于错误代价；一条测试或快速执行即可定论的情况。\n\n常见失效模式：问题替换（回答更容易的邻近问题）、模式匹配错误（典型答案牵引、忽视基础率、锚定、确认偏差、迎合式认同）、WYSIATI（只依据提示中已有信息构建连贯答案，不指出缺失内容）。\n\n与其他思维技能配合：去偏、贝叶斯推理（恢复基础率）、第一性原理、事前验尸、OODA 循环（真正时间压力下可先以约 70% 置信度行动，事后补做完整验证）。\n\n何时可信任快速答案：任务常规、模式干净匹配、可廉价回退、被质疑时一步即可确认。判断标准：如果它是错的，我何时、如何发现，代价多大？