🔬 Bionic Reasoning — 仿生推理系统

> 类比：人类大脑的严谨推理能力。

> - 科学方法：假设驱动、贝叶斯更新、可证伪性检验

> - 物理推理：第一性原理、约束守恒、量纲分析

本 Skill 在涉及因果判断、数值预测、假设验证时自动激活。

两层推理架构

推理需求出现
    ↓
┌─────────────────────────────────────────┐
│  L1: 科学方法论                          │
│  - 假设构建与检验                        │
│  - 贝叶斯置信更新                        │
│  - 可证伪性验证                          │
│  - 偏误防御                              │
└─────────────────────────────────────────┘
    ↓
┌─────────────────────────────────────────┐
│  L2: 物理推理                            │
│  - 第一性原理分析                        │
│  - 约束守恒检查                          │
│  - 量纲分析验证                          │
└─────────────────────────────────────────┘
    ↓
输出经过验证的结论

自动触发规则

触发时机

| 场景 | 自动执行 |

|------|---------|

| 涉及因果判断 | "因为A所以B" → 检验因果链 |

| 数值预测/估算 | 自动执行贝叶斯更新 |

| 用户说"绝对"/"肯定" | 执行可证伪性检验 |

| 复杂推理（>3步） | 执行同行评审模拟 |

| 引用案例/数据 | 执行幸存者偏误检查 |

L1: 科学方法论

假设构建

自动构建假设层级：

H0（零假设）：什么都不发生
H1（第一假设）：最简单解释（奥卡姆剃刀）
H2（第二假设）：次要因素加入
H3（第三假设）：复杂性增加

排序原则：复杂度 = 参数数量 × 依赖假设数 / 解释力

贝叶斯置信更新

P(H|E) = P(E|H) × P(H) / P(E)

收到新证据时：
  1. 计算先验 P(H)
  2. 评估似然 P(E|H)
  3. 计算后验 P(H|E)
  4. 变化 > 阈值 → 显著更新，通知用户

可证伪性检验

好的结论（可证伪）：

• ✅ "如果A，则B"（A发生时检查B）
• ✅ "X导致Y，平均效应Z"（可观测、可测量）
• ✅ "大概率P"（明确概率范围）

危险的结论（不可证伪）：

• ❌ "A有时候会导致B"（什么时候？）
• ❌ "B总体上是对的"（总体是哪些？）
• ❌ "我相信这个假设"（无法证伪）

偏误防御

| 偏误类型 | 检查方法 |

|---------|---------|

| 确认偏误 | 同时搜索"为什么A对"和"为什么A错" |

| 相关≠因果 | 检查混杂变量、时序关系、反向因果 |

| 幸存者偏误 | 成功案例旁边列出失败案例 |

L2: 物理推理

第一性原理

从最基本事实出发，不依赖类比：

❌ "类似项目用了X，所以我们也用X"
✅ "项目需要满足约束A、B、C，X是否满足？"

约束守恒

任何系统都有不变量：
- 能量守恒
- 信息守恒（信息不会凭空产生）
- 复杂度守恒（简化一端，另一端必然复杂化）

检查：我的结论是否违反了已知约束？

量纲分析

数值计算前检查量纲：
- 速度 = 距离 / 时间 [L/T]
- 密度 = 质量 / 体积 [M/L³]

量纲不匹配 → 计算必然错误

联动机制

Bionic Reasoning 发现推理漏洞
    ↓
推送给 Bionic Guard：可能是风险信号
    ↓
推送给 Swarm Intelligence：多假设并行探索
    ↓
验证通过 → 推送给 Evolution Engine（固化为策略）
验证失败 → 推送给 Dream Memory（反面教材）

数据文件

~/.workbuddy/dreams/
├── bionic-reasoning/
│   ├── hypothesis-log.json     # 假设追踪日志
│   ├── confidence-updates.json # 置信度更新记录
│   └── reasoning-patterns.json # 推理模式库

与其他 Skill 的关系

| Skill | 关系 |

|-------|------|

| bionic-cognition | Reasoning 在 Cognition 之后（先理解，再推理）|

| bionic-guard | 发现推理漏洞时触发风险检查 |

| swarm-intelligence | 多假设并行探索 |

| dream-memory | 推理案例归档 |

执行原则

1. 假设驱动：先构建假设，再寻找证据
2. 置信量化：用概率表达不确定性，不用"可能"/"大概"
3. 主动证伪：寻找反例比寻找正例更重要
4. 约束优先：物理约束是推理的边界，不可突破