Token导航 LogoToken导航

Agent Skill · 待分类

inversion-thinking(逆向思维)

inversion-thinking 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。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。

inversion-thinking 是待分类类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为权限未标注;许可证信息还不明确,第三方扫描已通过,按安装量在待分类类的 11,209 个 Skill 里排第 6,005。

总安装 494周安装 20GitHub Stars 15下载 155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
unknown

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:inversion-thinking(逆向思维)
来源仓库:https://github.com/kangarooking/poor-charlies-almanack-skill
仓库路径:skills/inversion-thinking
安装命令:
npx skills add https://github.com/kangarooking/poor-charlies-almanack-skill --skill inversion-thinking
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 npx skills 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。

skills.shnpx skills
npx skills add https://github.com/kangarooking/poor-charlies-almanack-skill --skill inversion-thinking

这个 Skill 是做什么的

这个 Skill 的分类还没最终确定,用法以来源仓库的说明为准。

用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息。适合围绕仓库状态、代码变更或协作事项进行整理。可在 Codex、Claude、Cursor 等宿主环境中调用。通过 GitHub 安装,具体用法请参考原始 README。安装前建议确认权限范围和维护状态,避免触发不必要操作。

来源仓库内路径:skills/inversion-thinking

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 Codex、Claude、Cursor、Gemini CLI;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 npx skills add https://github.com/kangarooking/poor-charlies-almanack-skill --sk…;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

    权限没有明确标注,第一次使用时只给一个无关紧要的任务,观察它到底读了哪些文件和网络。

常见问题

6 条

inversion-thinking 怎么安装?

在终端执行 npx skills add https://github.com/kangarooking/poor-charlies-almanack-skill --skill invers…。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

inversion-thinking 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。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。

inversion-thinking 需要什么权限?

权限级别没有明确标注。第一次使用时建议只给无关紧要的任务,观察它实际读写了哪些内容。

inversion-thinking 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

inversion-thinking 用的人多吗?

公开数据是累计安装 494 次,近一周安装 20 次,下载 155 次,GitHub 15 星。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。

inversion-thinking 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

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 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 Codex,想直接扩展它能力的人。
  • 需要处理待分类类任务、又不想每次都手写提示词的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

待分类类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
infsh-cli

infsh CLI · Codex、Claude

4,374,576382权限未标注未明确未收录
ai-video-generation

AI 视频生成 · Codex、Claude

4,313,376382调用外部服务未明确有提醒
lark-openapi-explorer

云雀 OpenAPI 浏览器 · Codex、Claude

2,064,1209,011需要联网未明确有提醒
lark-workflow-standup-report

Lark 工作流程站立报告 · Codex、Claude

2,041,6328,978需要联网未明确通过
use-my-browser

使用我的浏览器 · Codex、Claude

1,848,49140操作浏览器未明确未通过
inversion-thinking

逆向思维 · 本页

49415权限未标注未明确通过

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

逆向思维 (Inversion)

R — 原文 (Reading)

"反过来想,总是反过来想。"雅各比说。他知道事物的本质决定了许多难题只有在逆向思考的时候才能得到最好的解决。 — 查理·芒格, 第四讲·第一讲(哈佛学校毕业典礼演讲)

I — 方法论骨架 (Interpretation)

面对任何目标,不直接追问"如何达成",而是先系统性地追问"什么会导致失败"。 将所有失败因素列出并逐一设计规避措施。核心假设是:人对"不想要什么"的判断 比"想要什么"更清晰、更可靠。这不是偶尔反过来想的技巧,而是系统化的首要 推理策略——必须收集大量失败案例并排列成检查清单,然后通过避免愚蠢来获得成功, 而非通过追求聪明。"我们赚钱,靠的是记住浅显的,而不是掌握深奥的。"


A1 — 书中的应用 (Past Application)

案例 1: 卡森痛苦人生处方 + 芒格第四味药

  • 问题: 芒格需要在哈佛毕业典礼上给出人生建议
  • 方法论的使用: 不讲"如何获得幸福",而是列出"如何保证自己过上痛苦生活"的处方:卡森三味药(化学物质、怨恨、反复无常)加上芒格自己的第四味药(减少客观性)
  • 结论: 通过避免这些"痛苦处方",毕业生自然远离了失败
  • 结果: 成为芒格最著名的演讲之一,完美展示了逆向思维的威力

案例 2: 芒格的失败案例检查清单

  • 问题: 如何在漫长人生中几乎不犯重大错误
  • 方法论的使用: 一生持续收集各领域失败案例,将失败原因排列为决策前的检查清单
  • 结论: 避免已知失败模式比追求成功策略更可靠
  • 结果: 芒格在人生和事业决策上几乎从不犯重大错误

案例 3: 误判心理学25种倾向清单

  • 问题: 如何系统性地防止判断错误
  • 方法论的使用: 25种倾向清单本质是逆向思维的产物——先列出人会犯的错误,再逐一避免
  • 结论: 通过排查每种可能的认知偏差来保护决策质量
  • 结果: 芒格自称此方法使他"超越那些比他聪明得多的人"

A2 — 触发场景 (Future Trigger) ★

用户会在什么情境下需要这个 skill?

  1. 面临重大决策但正向分析陷入僵局(选项太多、信息过载、无法排序)
  2. 需要识别项目/计划中隐藏的风险和失败模式(创业计划、投资决策、产品发布)
  3. 团队在头脑风暴中只看到机会而忽视了威胁,需要系统性"找茬"
  4. 个人在制定目标时需要比单纯"设目标"更务实的行动方案

语言信号 (用户的话里出现这些就应激活)

  • "怎么才能让这个项目成功" 但说不出具体风险
  • "我好像漏掉了什么重要的东西"
  • "感觉这个方案太乐观了"
  • "有没有什么我没想到的"
  • "帮我检查一下这个计划有什么漏洞"
  • "最坏的情况是什么"

与相邻 skill 的区分

  • 与 dual-track-analysis 的区别: 双轨分析是同时运行理性+潜意识的两轨并行检查,而逆向思维是方向反转——把"怎么成功"翻转为"怎么失败"。双轨分析关注"我在判断中有没有偏差",逆向思维关注"这个方案本身有没有致命漏洞"。
  • 与 circle-of-competence 的区别: 能力圈判断是识别"我是否真正理解这件事",而逆向思维是识别"这件事本身可能怎样出问题"。前者是自我评估,后者是方案评估。

E — 可执行步骤 (Execution)

当 skill 被激活后, agent 应按以下步骤执行:

  1. 反转问题: 从目标翻转到反面

- 完成标准: 已明确写出反面问题(如"什么会导致这个项目彻底失败"),而非原始正面问题

  1. 列出失败清单: 系统性地枚举失败因素

- 完成标准: 至少列出5条具体的失败路径,覆盖不同维度(人/制度/环境/时机/外部竞争)。每条失败因素必须可操作、可观察,不能是模糊的"运气不好"。判停点:如果列不出至少5条,说明对问题理解不够深,应先补充信息

  1. 评估每条失败因素的严重性和可能性

- 完成标准: 对每条失败因素标注严重程度(致命/严重/中等)和触发条件,识别哪些是"不可恢复的致命失败"

  1. 设计规避措施并整合为行动清单

- 完成标准: 对每条致命和严重失败因素有明确的规避措施,形成一份可执行的"避坑检查清单"。最终输出:用户带着反面清单回到正面计划,确认计划已覆盖所有已识别的失败模式


B — 边界 (Boundary) ★

不要在以下情况使用此 skill

  • 已有明确的最佳执行路径且只需快速行动时(逆向分析会拖延决策)
  • 需要创意发散、头脑风暴正面想法时(逆向思维天然偏向保守和防御)
  • 信息严重不足,连失败模式都无法合理推断时(列出猜测性的失败因素没有价值)

作者在书中警告的失败模式

  • 过度乐观倾向: "一个人想要什么,就会相信什么"——逆向思维容易被乐观心态架空,变成走过场(ce11)
  • 避免不一致性: 做完逆向分析后形成"失败清单"就容易固化,不再更新——但环境和风险是动态变化的(ce06)
  • 对比错误反应: 每次只做小幅度的风险修正,看似每步都"还好",但累积下来可能错过关键拐点(ce14)

作者的盲点 / 时代局限

  • 芒格的方法论基于20世纪美国商业环境的归纳,在数字经济/AI时代的适用性需重新评估
  • 25种心理倾向体系是个人整理,未经系统性实证验证
  • 芒格体系的最大弱点是幸存者偏差——成功案例的反面归纳未必可复制

容易混淆的邻近方法论

  • "风险分析"通常是正向的概率评估,而逆向思维是方向反转——先问"怎么失败"而非"风险概率多少"
  • "负面思考"(pessimism)是一种情绪态度,逆向思维是结构化方法——有明确的步骤和清单产出

相关 skills (阶段 3 填充)

  • composes-with: latticework-mental-models — 逆向思维确定分析方向("什么会导致失败"),多元模型填充分析内容(用不同学科视角逐一排查失败因素)。两者组合使用效果远超单独使用。
  • contrasts-with: darwinian-objectivity — 逆向思维在构建解决方案时使用,从"怎么失败"推导"怎么成功";达尔文方法在验证已有结论时使用,刻意寻找反面证据。两者阶段不同、方向不同,但互补:先用逆向思维构建方案,再用达尔文方法验证方案。

审计信息

  • 验证通过: V1 ✓ / V2 ✓ / V3 ✓
  • 测试通过率: 待定 (详见 test-prompts.json)
  • 蒸馏时间: 2026-04-15

平台分布

Codex

34.49%
按下载量换算53

Claude

29.98%
按下载量换算46

Cursor

19.29%
按下载量换算30

Gemini CLI

9.63%
按下载量换算15

安全审计

Gen Agent Trust Hub

通过

Snyk

通过

权限和风险

权限未标注

当前来源未能明确判断权限范围,默认进入异常复核队列。

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