# SKILL.md



## Identity

- **Skill Name**: 费曼学习法与物理学思维 (Richard Feynman Think Method)

- **Slug**: finance-feynman-learning

- **Version**: 2.1.2
- **Updated**: 2026-09-21
- **适用边界（Scope Boundary）**：本技能面向**概念理解与方法论训练**，输出的是思考路径与检验问题，不是事实性结论。涉及具体投资标的、医疗诊断、法律责任的判断，本技能只负责帮你把问题问清楚，结论仍须由具备资质的专业人员在核实原始资料后作出。
- **数据最小化（Data Minimization）**：使用本技能时请只提供理解该概念所必需的最小信息；涉及客户身份、健康、财务、未公开经营数据的内容，请先脱敏或改写为抽象表述再输入。本技能不需要也不索取任何凭据、密钥、账号信息。

- **Language**: 中文为主，英文关键术语保留

- **Author**: 葛成 (@gechengling)

- **Description**: 以费曼学习法和物理学思维为核心，帮助深入理解复杂概念、识别真正知识盲点、建立第一性原理式认知。适用于学习研究、问题诊断、知识管理等场景。2026更新：新增费曼方法在AI时代的应用——"向AI学习如何提问"与"让AI扮演费曼检验你的理解"的对话范式。关键词：费曼学习法，物理学思维，第一性原理，知识理解，认知升级，简单原则，教学相长.



### 最新动态 [2026-09-21更新]

| 动态类型 | 内容摘要 | 发布时间 | 影响范围 | 费曼式追问（对本技能的启示） |
|---------|---------|---------|---------|---------------------------|
| AI价值审视 | AI技术“实际渗透率<20%”与“资本市场狂热定价”的矛盾，费曼式“回到第一性原理”审视AI真实价值 | 2026-06 | AI研究/投资 | 追问第1层：这家公司的收入里，有多少来自AI真实付费，多少来自预算试点？ |
| AI治理落地 | 银行业保险业人工智能安全开发应用相关指导意见持续落地，金融机构AI应用从“能用”走向“可解释、可审计” | 2026-06-18 | 金融机构AI应用与内控 | 追问第2层：模型的每一个输出，能否追到输入数据与责任人？追不到就不算理解 |
| 大模型能力迭代 | 主流大模型在长链推理、工具调用与多模态理解上持续迭代，“向AI提问”的质量成为新的能力分水岭 | 2026-Q3 | 学习方法与知识管理 | 追问第3层：你问出的问题，是AI替你想的，还是你自己想问的？ |
| 认知科学补充 | “解释深度错觉”（Illusion of Explanatory Depth）研究在教育与培训场景被反复验证：自评理解度与实际可复述度显著背离 | 2026-Q3 | 学习方法与培训设计 | 追问第4层：把解释写出来之前，你并不知道自己不会——这正是费曼法存在的理由 |



> **数据截止**: 2026-09-21 | 来源：AI行业研究报告、国家金融监督管理总局公开信息、公开学术文献
> **声明**: 以上动态供参考，具体以官方最新发布为准



## Core Thinking Models



### 模型一：费曼学习法四步

```

Step 1: 选择一个概念，写下你知道的一切

Step 2: 假装教给一个12岁孩子 → 卡住的地方=真正盲点

Step 3: 回头填补缺口，重新研究直到流畅

Step 4: 简化+类比 → 找不到类比=理解不够深

```



**举例 A：用四步法拆解“久期（Duration）”**



| 步骤 | 你实际会写下的内容 | 卡住的地方（真盲点） |
|------|-------------------|---------------------|
| Step 1 | 久期是债券现金流的加权平均回收时间，用来衡量利率风险 | 写不出“加权”的权重到底是什么 |
| Step 2 | 对12岁孩子说：“借钱给别人，他早还还是晚还，你的感觉不一样” | 说不清“为什么价格变动≈久期×利率变动” |
| Step 3 | 回去看定义：权重是各期现金流现值占总现值的比例 | 原来关键是“现值”，不是“金额” |
| Step 4 | 类比：久期像一根扁担的支点位置，支点越远，一头动一点另一头晃得越厉害 | — |



**举例 B：用四步法拆解“偿付能力充足率”**



| 步骤 | 你实际会写下的内容 | 卡住的地方（真盲点） |
|------|-------------------|---------------------|
| Step 1 | 实际资本除以最低资本，监管要求不低于100% | 说不出“实际资本”和会计净资产差在哪 |
| Step 2 | 对12岁孩子说：“保险公司要留够一笔钱，保证出事也赔得起” | 讲不清为什么“最低资本”是风险敞口的函数 |
| Step 3 | 回到规则：最低资本由保险风险、市场风险、信用风险分别计量后加总 | 分母是“风险”，不是“规模” |
| Step 4 | 类比：不是看你家有多少存款，而是看万一同时来三场大病，够不够付 | — |



### 模型二：第一性理解

- 第一类知识：知道名称 ≠ 真正理解
- 能用类比解释？能预测陌生场景表现？能教给完全不懂的人？
- 费曼：“如果你不能向一个12岁孩子解释清楚，你就没有真正理解它”



**类比检验的三道关（举例）**



| 概念 | 类比尝试 | 类比能预测陌生场景吗？ | 判定 |
|------|---------|----------------------|------|
| 注意力机制（Attention） | 像开会时你只认真听跟自己议题相关的人发言 | 能：可以推出“上下文越长，单条信息的权重越被稀释” | 通过，真理解 |
| 注意力机制（Attention） | 像聚光灯照在舞台上 | 不能：推不出多头注意力为什么要并行多束光 | 未通过，只记住了名字 |
| 利差损 | 像你按5%的利息借钱，却只能投出3%的收益 | 能：可以推出“负债成本刚性+资产收益率下行=亏损扩大” | 通过，真理解 |
| 利差损 | 像做生意亏本 | 不能：推不出为什么久期错配会放大亏损 | 未通过，只是贴标签 |



### 模型三：追问本质

- “为什么？” 连续追问5层 → 剥离表象直达物理现实
- 费曼：“我宁愿有无法回答的问题，也不愿有无法质疑的答案”
- 证伪比证实更重要



**举例：把“这家寿险公司利差损压力大”追问5层**



| 层级 | 追问 | 得到的回答 | 是否触底 |
|------|------|-----------|---------|
| 第1层 | 为什么利差损压力大？ | 负债成本高于投资收益率 | 否 |
| 第2层 | 为什么负债成本降不下来？ | 存量保单有刚性保证利率，不能单方面下调 | 否 |
| 第3层 | 为什么不能下调？ | 合同承诺+监管保护投保人预期 | 否 |
| 第4层 | 为什么监管要保护这个预期？ | 保险负债长期性决定了信任是行业基础设施，一次违约会引发跨机构挤兑 | 否 |
| 第5层 | 为什么信任如此关键？ | 保险的定价基础是大数法则与跨期承诺，一旦预期不稳定，新单消失、现金流断裂 | 是（已到物理现实） |



**五层追问的使用守则**



| 守则 | 说明 | 反例 |
|------|------|------|
| 每层必须有证据，不能靠推测续接 | 一旦出现“应该是……吧”，就停在这里回去查资料 | 第3层开始靠想象编原因 |
| 允许在任一层换方向 | 追问是树不是线，一条走死就换分支 | 死磕一条链到牵强附会 |
| 触底的标志是“不可再追问的约束” | 通常是物理定律、合同约束、监管红线、人性常识 | 把“公司战略”当成底层答案 |
| 证伪优先 | 先问“什么情况下这个结论不成立”，再问“有什么支持它” | 只收集支持性证据 |



### 模型四：简单性原则

- 真理越说越简单，复杂解释往往是掩饰不理解
- 科学思维：承认不知道 = 知识的起点



**一句话检验（举例）**



| 概念 | 复杂版（往往是没懂） | 简化版（一句话说清） |
|------|--------------------|--------------------|
| IFRS 17 | 基于履约现金流折现加上合同服务边际在责任期内摊销的计量模型 | 保险公司先算“赔完要花多少钱”，再加利润，然后按年摊开认收入 |
| 风险资本 | 在给定置信水平下覆盖非预期损失所需的资本要求 | 准备一笔钱，扛住“百年一遇”的坏年份 |
| RAG | 检索增强生成，通过外部知识库召回相关片段注入上下文提升生成质量 | 开卷考试：先翻书找到相关段落，再照着作答 |



**“承认不知道”的三档表达（避免假懂话术）**



| 档位 | 说法 | 适用场景 |
|------|------|---------|
| 明确不知道 | 这个机制我不清楚，需要查原始规则 | 涉及事实与数字，宁缺毋滥 |
| 部分知道 | 我能讲清主流程，但边界条件不确定 | 已有框架但缺校验 |
| 有把握 | 我能推演出它在陌生场景下的表现，并说出失效条件 | 已通过类比检验与预测检验 |



## 新增内容（2026版）

**Step 2 新增思考维度（2026）**：

- 达利欧原则2026年迭代：新增“AI时代风险管理”章节，将机器学习模型偏差纳入债务周期分析框架，应对大国博弈下的供应链重构风险
- 芒格多元思维模型2026更新：心理学误判倾向清单增加AI幻觉识别，新增“能力圈扩张”路径（从单一行业→跨学科→AI增强决策）
- 马斯克第一性原理2026实践：SpaceX星舰成本降至$500/kg（较2016年降98%），FSD V12全面取消高精度地图，Tesla Bot进入量产阶段
- 缠论2026年技术进化：chan.py v2.0支持AI自动笔识别准确率92%，缠论买卖点与量化CTA策略融合，2025-2026年A股牛市/熊市完整案例库
- DeepSeek/通义千问/智谱GLM最新应用案例：将国产大模型思维链(Chain-of-Thought)与传统思想融合，探索东方哲学×AI的新思维范式



**Step 2 再新增思考维度（2026-09补充）**：

- **“向AI提问”的费曼化**：把你要理解的概念先写成“给12岁孩子的解释”，再让AI挑错，比直接问AI“这个概念是什么”有效得多——前者暴露你的盲点，后者只给你一份看起来完整的材料
- **“让AI扮演费曼”的三种提示结构**：① 让它扮演12岁孩子不断追问“为什么”；② 让它扮演苛刻审稿人只找你解释里的逻辑断层；③ 让它只准用类比、不准用术语重述一遍
- **AI时代的新盲点**：能复述AI给出的答案 ≠ 理解。判断标准只有一条——明天再让你讲一遍，离开AI你还能讲出多少
- **AI幻觉的费曼式防线**：凡是AI给出的数字、条款、日期，一律要求它标注出处，并追问“如果这条是错的，我的结论会怎么变”



---



## When to Use

- "这个概念我好像懂了，但又说不太清楚"

- "学了很多但感觉没有真正记住"

- "怎么快速判断自己是真的懂还是假的懂？"

- “这个行业的底层逻辑是什么？”
- “我给别人讲了一遍，但对方没听懂，是我讲错了还是我自己没懂？”



**不适用（请用其他技能）**



| 你的真实需求 | 应该转向 |
|-------------|---------|
| 要一个投资标的的买卖结论 | 投研/投顾类技能，本技能只帮你把问题问清楚 |
| 要一份事实性数据或最新报价 | 行情/数据类技能，本技能不提供实时数据 |
| 要心理疏导或情绪支持 | 专业咨询服务，本技能不做情绪干预 |
| 要代写正式报告并直接对外发布 | 文档类技能，本技能输出的是思考过程草稿 |




### 投资思维最新动态 [2026-09-21更新]

| 动态类型 | 内容摘要 | 发布时间 | 影响范围 | 用费曼法怎么拆 |
|---------|---------|---------|---------|---------------|
| 宏观框架 | 达利欧2026年6月最新发声：2026-2028年将是全球金融体系最脆弱窗口期，债务/地缘/AI三重危机共振 | 2026-06 | 投资思维与宏观判断框架 | 第一性拆解：债务是“承诺”，地缘是“约束”，AI是“生产率变量”，三者不能混为一谈 |
| AI治理 | 银行业保险业AI安全开发应用指导意见发布，AI Agent治理从“指导意见”走向“刚性规章” | 2026-06-18 | AI投资与企业治理思维 | 追问：谁能对模型的输出负责？答不上来的机构，AI投入越大风险敞口越大 |
| 长端利率 | 长端利率与利差损议题持续成为保险股定价的核心变量，负债端成本刚性被反复定价 | 2026-Q3 | 保险/银行股分析框架 | 类比检验：把保险公司想成一个“借短投长”的杠杆账户，利率下行时谁先受伤？ |
| 算力与资本开支 | AI算力资本开支进入兑现阶段，市场从“讲故事”转向“看折旧与回报率” | 2026-Q3 | 科技股与AI基础设施投资 | 追问第2层：这些芯片三年后还值多少钱？折旧假设一变，利润就变 |



> **数据截止**: 2026-09-21 | 来源：国家金融监督管理总局、公开研究报告、行业公开信息
> **声明**: 以上动态供参考，具体以官方最新发布为准

## Workflow

```

【费曼分析】

Step 1 - 现状盘点：你现在能一句话解释核心吗？

Step 2 - 费曼测试：写给12岁孩子的解释，卡在哪了？

Step 3 - 填补缺口：回到原始资料，重新研究盲点

Step 4 - 简化类比：用一个生活类比说明

```



**完整走一遍的示例（主题：搞懂“什么是RAG”）**



| 环节 | 输出示例 | 费曼法在这里起什么作用 |
|------|---------|----------------------|
| Step 1 现状盘点 | “RAG就是先从资料库里找相关内容，再交给大模型生成答案” | 暴露：说不出“找”用的是什么方法 |
| Step 2 费曼测试 | 卡在“为什么不全丢进去，非要找” | 定位真盲点：上下文长度与噪声干扰 |
| Step 3 填补缺口 | 回去搞清：上下文窗口有限、无关内容会干扰注意力、成本按token计 | 从“知道名字”到“知道代价” |
| Step 4 简化类比 | “开卷考试：不是把整本书背下来，而是先翻到相关页再答” | 类比成立，且能预测陌生场景（资料库质量差→答案差） |



**输出前的自检（保存/外发前必做）**



| 自检项 | 不通过的表现 | 处理动作 |
|--------|-------------|---------|
| 关键数字有无出处 | 出现没有来源的百分比、金额、日期 | 标注来源或删除；无法核实的一律写“以官方最新发布为准” |
| 是否夹带未脱敏信息 | 出现真实客户名、身份证号、保单号、未公开经营数据 | 先脱敏再保存或外发 |
| 结论是否被当成事实 | 把推演写成“确定会……” | 改写为“在……假设下可能……” |
| 是否经过用户确认 | 未经确认就写入文件或对外发送 | 先预览给用户，确认后再落盘/发送 |



## Reference Quotes

- “如果你不能向一个12岁的孩子解释清楚某个概念，你就没有真正理解它”
- “知识有两种类型：第一类知道名称，第二类真正了解事物，这不是一回事”
- “我宁愿有无法回答的问题，也不愿有无法质疑的答案”
- “真理应该越说越简单，越说越复杂说明你没理解”
- “科学是相信专家也会无知的学问”（对权威保持可质疑，是理解的前提）



## 费曼理解度自评表（新增）



| 检验维度 | 具体问法 | 通过标准 | 常见失败表现 | 补救动作 |
|---------|---------|---------|-------------|---------|
| 复述 | 合上资料，用自己的话讲一遍 | 不卡顿、不回看 | 讲两句就翻材料 | 回到原文重读关键定义 |
| 简化 | 讲给12岁孩子听 | 全程不用术语 | 一解释就冒专业词 | 强迫自己做一次类比替换 |
| 类比 | 找一个生活类比 | 类比能推出陌生场景的结论 | 类比只好看、不能推理 | 换一个类比，直到能预测 |
| 预测 | 换个场景，它会怎样？ | 能说出方向甚至大致量级 | 只能重复原话 | 做一次反��实推演 |
| 证伪 | 什么情况下这个说法不成立？ | 至少说出2个失效条件 | 想不出任何反例 | 主动去找反例材料 |
| 溯源 | 这个数字/条款从哪来？ | 能指出出处与时效 | “大概是……听说……” | 回到一手来源核实 |
| 教学 | 让对方复述并提问 | 对方能提出有质量的问题 | 对方只会点头 | 请对方扮演12岁孩子追问 |



**评分口径（供自检，非能力评价）**：7项中通过≥6项可视为“真理解”；4-5项为“框架清楚、细节待补”；≤3项建议回到 Step 1 重来。



## Source

- 费曼公开讲座（Cornell, Caltech等）
- 《费曼物理学讲义》
- 《别闹了，费曼先生》
- “解释深度错觉”（Illusion of Explanatory Depth）相关认知科学研究文献
- 各平台费曼学习法整理
- **免责**：本技能为方法论与思维训练材料，不构成投资、医疗、法律或任何专业意见；涉及具体决策请咨询持牌专业人士并以官方最新发布为准。

- 《费曼物理学讲义》

- 《别闹了，费曼先生》

- 各平台费曼学习法整理



## Metadata

- **Slug**: finance-feynman-learning

- **URL**: https://clawhub.ai/gechengling/feynman-think-method

- **Tags**: 费曼, 学习方法, 物理学思维, 第一性原理, 知识管理