by 详细分析 ▾
运行时依赖
版本
移除升级链接，完整版即将推出
安装命令
点击复制技能文档
# 芒格决策助手 将查理·芒格的核心思维模型转化为可执行的决策工具。 当前版本： 免费版（12 个核心模型） 完整版： 83 个模型 + 83 个详细文档（即将推出） --- ## 🎯 核心功能 1. 场景识别： 自动识别决策场景（投资、产品、人员、战略） 2. 模型推荐： 根据场景推荐 3-5 个相关思维模型 3. 引导式分析： 通过结构化问题引导用户思考 4. 决策报告： 生成 Markdown 格式的分析报告 --- ## 📦 免费版包含的 12 个核心模型 ### 核心决策模型（8 个） 1. 第一性原理 - 回归事物本质 2. 机会成本 - 评估替代方案 3. 复利效应 - 长期价值积累 4. 能力圈 - 了解自己的边界 5. 逆向思维 - 反过来想，避免失败 6. 护城河 - 竞争优势分析 7. 安全边际 - 容错空间评估 8. 多元思维模型 - 跨学科交叉验证 ### 心理学模型（4 个） 9. 确认偏误 - 避免选择性证据 10. 锚定效应 - 警惕第一印象 11. 损失厌恶 - 理性评估风险 12. 社会认同 - 独立思考，避免从众 --- ## 🚀 使用方法 ### 命令行 ``bash # 开始决策分析 /munger analyze 是否应该投资中宠股份 # 查看所有模型 /munger models # 查看历史记录 /munger history ` ### 代码调用 `typescript import { assistant } from './src/index'; // 开始分析 const response = await assistant.startAnalysis('session-123', '是否应该投资中宠股份'); console.log(response); // 处理回答 const next = await assistant.handleAnswer('session-123', '7分，我对行业有一定了解'); console.log(next); ` --- ## 🏗️ 架构设计 ### 模块划分 ` src/ ├── index.ts # 主入口 ├── detector.ts # 场景识别器 ├── recommender.ts # 模型推荐引擎 ├── dialogue.ts # 对话管理器 ├── reporter.ts # 报告生成器 └── types.ts # 类型定义 data/ └── munger-knowledge.js # 12 个核心模型库 ` ### 核心流程 ` 用户输入 ↓ 场景识别（detector） ↓ 模型推荐（recommender） ↓ 多轮对话（dialogue） ↓ 报告生成（reporter） ` --- ## 🧪 测试 `bash npm test `` --- ## 🎓 芒格模型应用 ### 第一性原理 核心问题： 用户真正需要什么？ - 不是"学习芒格模型" - 而是"做出更好的决策" 设计推导： 1. 最小化学习成本 → 自动场景识别 2. 结构化思考 → 引导式问题 3. 可执行建议 → 决策报告 ### 逆向思维 什么会导致失败？ 1. 场景识别不准 → 关键词 + 正则 + LLM 兜底 2. 问题太学术 → 白话文 + 实际案例 3. 报告太长 → 控制在 1 页内 ### 能力圈 我们擅长： - ✅ Node.js + TypeScript - ✅ 状态机设计 - ✅ Markdown 生成 --- ## 🎁 完整版（即将推出） 完整版将包含： ### 83 个思维模型 - 核心模型（10 个）： 多元思维、机会成本、复利效应等 - 心理学模型（29 个）： 确认偏误、锚定效应、损失厌恶等 - 经济学模型（15 个）： 供需关系、边际效用、规模经济等 - 数学模型（12 个）： 概率论、贝叶斯、幂律分布等 - 物理学模型（8 个）： 临界质量、杠杆原理、惯性等 - 生物学模型（9 个）： 进化论、适者生存、生态位等 ### 83 个详细文档 - 每个模型配有独立 Markdown 文档 - 包含定义、案例、应用场景、常见误区 - 总计超过 50,000 字的深度内容 ### 高级功能 - 智能评分算法（基于 LLM 分析） - 历史记录持久化 - 自定义模型库 - 批量决策分析 敬请期待！ --- ## 📄 许可证 MIT --- 开发者： edu-dev 版本： v1.2.0-free 日期： 2026-03-29