Token导航 LogoToken导航

Agent Skill · 开发

deep-cognition-guide(深度认知指南)

deep-cognition-guide 用于辅助前端页面、组件、样式和交互逻辑开发,适合在 OpenClaw 中需要维护前端项目、生成组件或检查界面实现时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

deep-cognition-guide 是开发类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为只读;许可证为 MIT-0,第三方扫描已通过,按安装量在开发类的 21,746 个 Skill 里排第 13,347。

总安装 930周安装 38GitHub Stars 公开资料未说明下载 301核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:deep-cognition-guide(深度认知指南)
来源仓库:https://github.com/smseow001/deep-cognition-guide
安装命令:
openclaw skills install deep-cognition-guide
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install deep-cognition-guide

这个 Skill 是做什么的

开发类 Skill 面向写代码、改代码和排查问题,一般会读写仓库文件,部分还会执行构建或测试命令。

用于辅助前端页面和组件开发,适合在 OpenClaw 中需要维护前端项目或生成界面时使用。适用于认知升级和信息结构化场景。适用宿主包括 OpenClaw,接入前应确认版本、权限和运行环境要求。可提供逻辑训练、反馈修正和书籍推荐。安装前需确认权限范围和维护状态。

deep-cognition-guide 属于开发类 Skill,可作为该场景下的辅助能力补充。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install deep-cognition-guide;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

deep-cognition-guide 怎么安装?

在终端执行 openclaw skills install deep-cognition-guide。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

deep-cognition-guide 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

deep-cognition-guide 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

deep-cognition-guide 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

deep-cognition-guide 用的人多吗?

公开数据是累计安装 930 次,近一周安装 38 次,下载 301 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

deep-cognition-guide 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理开发类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

开发类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
skill-vetter

技能审查员 · OpenClaw

8,779,018986操作浏览器MIT-0通过
ontology

本体论 · OpenClaw

6,636,960576只读MIT-0通过
entra-app-registration

内部应用程序注册 · Codex、Claude

6,631,872764接触敏感数据未明确通过
entra-app-registration

内部应用程序注册 · Codex、Claude

3,757,680201接触敏感数据未明确通过
nano-banana-pro

纳米香蕉专业版 · OpenClaw

3,526,898364接触敏感数据MIT-0有提醒
deep-cognition-guide

深度认知指南 · 本页

930—只读MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
deep-cognition
description
深度认知能力构建系统 - 认知升级/信息结构化/逻辑训练/反馈修正/书籍推荐

深度认知能力构建系统

深度认知是通过系统方法构建的认知升级过程 | 信息碎片化 → 逻辑处理 → 反馈修正 → 自我进化

一、核心定位

本技能整合深度认知完整体系,包含:

模块内容
认知定义浅层认知 vs 深度认知 vs 专家直觉
四类架构缺陷信息碎片化 / 单一逻辑 / 表面结论 / 无反馈
三层搭建法能量保护层 / 熵转化引擎 / 可进化闭环
逻辑训练四阶段练习 / 科技案例 / 工具推荐
书籍推荐思考快与慢 / 算法之美 等

二、认知定义与层次

2.1 三层认知对比

层次定义特征
浅层认知被动消费信息,证明自身正确接收为主,不重构
深度认知主动生产重构信息,逼近本质生产为主,重构
专家直觉深度认知的压缩版模式识别,快速决策

2.2 深度认知的本质

起点:质疑与追问
本质:对抗认知无序
终局:看穿事物本质的自我进化系统

三、核心架构四类缺陷

3.1 信息碎片化

问题表现后果
输入零散缺乏系统性/关联性调用时需重新搜索
存储无结构不标注逻辑关系知识难以应用

例子:学习只收集知识点,不思考知识间的逻辑关系

3.2 单一逻辑处理

问题表现后果
固定逻辑用一种方法处理所有问题认知局限
思维定式只依赖经验无法多角度分析

例子:解决问题只靠经验,不考虑其他可能性

3.3 停留表面结论

问题表现后果
只记结论不问原因/应用场景认知无法深化
缺乏验证不思考推导/实践公式不理解

例子:学习理论只背公式,不思考推导过程

3.4 缺乏反馈修正

问题表现后果
无反馈渠道错误认知难以发现系统无法进化
无修正机制偏差累积决策失误重复

例子:决策失误后不总结,下次仍犯同样错误


四、三层搭建方法

4.1 底层:能量保护层

功能:过滤低质信息,保护认知能量
方法:
  ✅ 高质量信息源(权威书籍/专业论文)
  ✅ 设定每日信息过滤清单
  ✅ 减少短视频/社交平台摄入

4.2 中层:熵转化引擎

功能:梳理信息,减少认知熵增
方法:
  ✅ 结构化存储(Notion/印象笔记)
  ✅ 标注逻辑关系
  ✅ 建立知识检索系统

4.3 上层:可进化认知闭环

功能:持续优化认知系统
方法:
  ✅ 实践验证与反馈
  ✅ 定期复盘修正
  ✅ 跨领域应用

五、信息碎片化应对四步

5.1 主动过滤低质信息

✅ 优先高质量信息源:
  - 权威书籍
  - 专业论文
  - 行业报告

❌ 减少:
  - 短视频
  - 社交平台浅层内容

5.2 结构化存储与关联

工具:Notion / 印象笔记

方法:
  1. 按主题分类
  2. 标注逻辑关系
  3. 串联知识点成框架图

例子:学习经济学 → "供需关系"+"市场机制" → 框架图

5.3 建立知识检索系统

方法:
  1. 添加多维度标签(时间/场景/应用)
  2. 便于快速调用

例子:"用户行为分析" → 按"电商""教育"场景分类

5.4 实践验证与反馈

方法:
  1. 将信息应用于实际问题
  2. 通过结果验证认知准确性
  3. 根据反馈调整框架

例子:用"用户分层理论"分析产品数据 → 调整认知框架

六、逻辑处理能力提升

6.1 基础训练:三段式推理

格式:大前提 - 小前提 - 结论

例子:
  大前提:所有 AI 模型需满足"输入维度 = 特征数量"
  小前提:当前模型输入维度为 10,特征数量为 8
  结论:模型输入维度不匹配,需调整特征工程

工具:逻辑树(Issue Tree)

6.2 因果关系图谱

方法:可视化因果链

例子:
  用户流失率上升 → 转化率下降 → 产品功能复杂度增加

工具:Neo4j(图数据库)/ XMind(思维导图)

6.3 AI 辅助推理

方法:使用 GPT-4 生成推理步骤

例子:优化电商搜索排序算法
  1. 分析用户点击数据
  2. 构建行为特征
  3. 训练排序模型
  4. A/B 测试验证

工具:Codex / Rasa

6.4 军事级推演训练

方法:红蓝对抗模拟

红方:用 AI 预测蓝方网络攻击路径
蓝方:设计虚假漏洞诱导红方误判

工具:兵棋推演系统 / 仿真软件

七、逻辑推理四阶段练习

7.1 基础阶段:形式逻辑

类型:三段论 / 命题逻辑

例子:
  如果所有 A 都是 B,有些 B 是 C,那么(  )?
  A. 所有 A 都是 C
  B. 有些 A 是 C
  C. 有些 C 是 A
  D. 无法确定

7.2 进阶阶段:分析推理

类型:逐步排除不可能情况

例子:
  甲、乙、丙三人,只有一人说真话
  甲说:"乙在说谎"
  乙说:"丙在说谎"
  丙说:"甲和乙都在说谎"
  谁说了真话?

7.3 高级阶段:逻辑悖论

例子:
  三个门后有汽车/山羊
  主持人打开一个有山羊的门
  问:是否要换门?

(蒙提霍尔悖论 - 换门概率从 1/3 变为 2/3)

7.4 科技阶段:技术逻辑

例子:
  AI 系统:输入 A → 输出 B
  已知:如果输入 A 正确,则输出 B 正确
  现在:输出 B 错误
  问:输入 A ?(
  A. 一定错误
  B. 可能错误
  C. 无法确定

八、反馈修正机制建立

8.1 三层反馈闭环

输入层 → 处理层 → 输出层 → 反馈层 → 输入层
                    ↑                      ↓
                    └──── 修正调整 ←──────┘

8.2 具体方法

方法操作工具
决策复盘每次决策后记录结果反思日记
定期评估周/月回顾认知偏差认知清单
外部反馈寻求他人视角同行评审
数据验证用数据检验假设A/B 测试

8.3 修正执行流程

1. 识别偏差 → 发现认知错误
2. 分析原因 → 追溯偏差根源
3. 调整框架 → 更新认知模型
4. 验证效果 → 实践检验

九、认知升级工具箱

9.1 逻辑推理工具

工具用途
LogiQA逻辑推理评测
Stanford CoreNLP自然语言处理
XMind思维导图
Neo4j因果图谱

9.2 认知训练平台

平台特点
Brilliant.org数学/科学逻辑
CourseraAI与逻辑课程

9.3 笔记与知识管理

工具特点
Notion结构化笔记
Obsidian双向链接
印象笔记多维度标签

十、推荐书籍

10.1 核心认知书籍

书名作者核心内容
《思考,快与慢》丹尼尔·卡尼曼双系统理论/认知偏误
《算法之美》Brian Christian算法思维/最优停止
《原则》瑞·达利欧系统化决策框架
《思考的技术》大前研一逻辑思考/问题解决

10.2 进阶认知书籍

书名作者核心内容
《反脆弱》纳西姆·塔勒布不确定性思维
《穷查理宝典》查理·芒格多元思维模型
《认知觉醒》周岭认知升级实践

十一、使用方式

触发场景

用户说「什么是深度认知」→ 展示认知三层定义
用户说「认知架构缺陷有哪些」→ 展示四类缺陷
用户说「如何避免信息碎片化」→ 展示四步法
用户说「提升逻辑能力」→ 展示四阶段练习
用户说「反馈机制怎么建」→ 展示三层闭环
用户说「推荐书籍」→ 展示书单

组合使用

用户:「帮我构建深度认知能力」
→ 步骤一:诊断认知缺陷(四类问题)
→ 步骤二:三层搭建法(能量保护/熵转化/闭环)
→ 步骤三:每日实践(过滤/存储/检索/反馈)
→ 步骤四:逻辑训练(四阶段题目)
→ 步骤五:定期复盘(反馈修正)

十二、与其他技能关联

本技能关联技能关系
深度认知thinking-knowledge-system思考四层次心法
深度认知knowledge-system-guide知识体系构建
深度认知mckinsey-frameworks逻辑分析框架
深度认知obsidian-handbook笔记工具支撑

*本技能整合深度认知完整体系,包含四类缺陷/三层搭建法/四阶段逻辑训练/书籍推荐*

平台分布

OpenClaw

95.05%
按下载量换算286

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills