3Q 质量系统 — 突破 AI 的自我视角局限

> 做什么：让你的 AI（Claude、GPT、Codex、Cursor）在输出前停下来想一想。六个认知透镜 + 三维空间意识 + 独立盲审。

> 快速上手：

> - 执行前：三问预检——什么可能出错？影响谁？怎么发现？

> - 子任务后（10 秒）：三步快速检查——做全了吗？做对了吗？有反常吗？

> - 深度检查：7 个维度 1-10 分打分，不通过重做。

> - 自修正：同类失败 ≥ 3 次 → 系统自动添加防犯规则。

Layer 0：预审 + 实时护栏

执行前三问

规则：答不出 → 先补信息再执行。禁止跳过。

事中修正三信号

自动触发（直接升级到深度 3Q）

Layer 0.5：快速 3Q（10 秒）

每次子任务返回后执行：

流程：全部通过 → ✅ 交付。任一不通过 → ⚠️ 升级到深度 3Q。

输出格式：

📋 快速3Q：步骤 X/Y ✅ | 数据 ✅/⚠️{偏差}% | 逻辑 ✅/❌矛盾

Grill 模式（挑战 Q 不走过场）

> 从"列出质疑→全部通过"改为逐条拷问+强制反面证据。至少 1 条 🔴，全绿 = 没认真审。

纪律：

• 每个"通"必须配一个"不通会怎样"
• 🔴 标红的维度必须先处理再继续

Layer 1：六个认知透镜

六个问题不是"质量检查清单"——它们是六个不同的认知透镜，每次执行强制切换一次视角。

标杆 Q 前置步骤：分群

> 不分群就谈标杆，是在用不知道哪个流派的标尺量东西。

跨领域示例：

三追问（深度检查）

三维扩展

六问检查的是质量，三维检查的是范围——你在正确层级、正确时间跨度、正确竞争位上思考问题吗？

使用建议：

• 日常检查：六问
• 深度分析：六问 + 三追问
• 重大决策：六问 + 三维 + 三追问 + 盲审

量化评分体系

7 个维度，每个 1-10 分。满分 70，≥ 70 通过。

必填规则：

• 每次深度 3Q 必须打分，无分数 = 无效审查
• 效果验证必须跑 A/B 测试（有 skill vs 无 skill）
• 总分 ≤ 60 → 驳回；61-69 → 盲审验证后决定

独立盲审

为什么需要：SkillLens 论文实证，AI 自审准确率仅 46.4%——因为"我知道为什么这么写"的解释器偏差。

3Q 的解决方案：

交付文件 → 启动盲审 agent（裸读，无上下文）
         → 独立 7 维度打分
         → 主 agent 对比自有评分 + 盲审评分
         → 偏差 > 2 分 → 按低分处理

评分收敛规则：

• 盲审分 ≈ 主 agent 分（偏差 ≤ 1）→ ✅ 已收敛
• 盲审分明显更低（偏差 > 2）→ ⚠️ 强制审查该维度，按低分处理
• 盲审分明显更高 → 🟡 检查盲审是否遗漏问题

自修正（从错误中学习）

> 3Q 不是静态的——它从自己的检查结果中学习，自动更新规则。

用得越多，越能精准抓住你特有的失败模式。

Meta-3Q：质疑框架本身

3Q 捕获后还是出同样的问题？外部出现了更好的质量范式？

操作：扫描行业最新的质量实践。差距足够大 → 触发框架重构。

首次使用：装好后做什么

1. 说 "用 3Q 检查一下你上次生成的内容" — 看它实际怎么工作
2. 说 "开始下一个任务之前，先做一个预检" — 养成习惯
3. 用 3-5 次后回顾："3Q 捕获了哪些失败？它漏掉了什么？"
4. 每日练习用 日检模板
5. 重大决策用 决策检查清单

延伸阅读

3Q 系统附带了配套参考文件：

技能淘汰

公式：retirement_score = utility × log(use_count)