Self-Discovery Reasoning — 自我发现推理

自我发现推理技能 一个 AI 代理技能，用于自组装任务特定的推理结构。基于 Zhou 等人（2024 年）—— SELF-DISCOVER：大型语言模型自组装推理结构。

平台自动检测 在技能加载时，检测您的运行环境并调整功能： 功能 如何检查 回退 文件系统 您能否读取 references/discovery-templates.md？ 使用下面的内联模板代替 持久内存 您能否写入内存/? 将发现笔记存储在对话上下文中仅 Long 上下文 您的上下文窗口 > 32K 标记？ 在第 2 级（跳过完整发现）处限制 工具访问 您能否调用外部工具？ 使用精神推理仅 Detection 规则： 如果您可以读取此文件的 references/ 目录 → 全模式（所有级别 + 内存） 如果您可以读取文件但不能写入 → 全级别，在对话内存中仅 如果您根本无法读取文件 → 使用内联模板（复制在下面），限制在第 2 级 如果上下文有限 (< 8K 可用) → 默认为第 1 级，最大第 2 级 这意味着每个平台都可以自动获得最佳体验 —— 无需手动配置。

内联发现模板（适用于没有文件访问权限的环境） 如果您无法读取 references/discovery-templates.md，请直接使用以下模板： 第 1 级内部提示 在回答之前：（1）此任务需要什么类型的推理？（2）从种子列表中选择 1-2 个模块。（3）应用它们。交付。 第 2 级内部提示

• 选择：从种子模块中选择 3-5 个与此任务相关的模块。
• 适应：将每个选定的模块重新表述为任务特定的模块。
• 实现：组装成一步一步的推理结构。
• 按照结构产生答案。

• 选择：选择 4-7 个与任务类型相关的模块。
• 适应：根据任务的具体要求调整每个模块，添加领域专业知识。
• 实现：使用 JSON 类似的推理结构构建，包括键和预期输出。
• 按照结构一步一步地执行。
• 验证：检查答案是否符合结构 —— 每个键是否都有一个有效值？
• 如果发现差距，改进结构并重新执行。

何时激活 在您即将解决一个推理密集型任务时激活 —— 在收集所有信息之后但在产生答案之前。发现发生在推理之前，而不是代替工作。 强触发器：多步骤推理，数学，逻辑谜题，规划，调试，架构决策，分析任务。 跳过：简单的事实查找，问候，格式请求，单句答案。

核心过程：选择 → 适应 → 实现 → 解决

• 选择 —— 从种子集合中选择相关的推理模块
• 适应 —— 将选定的模块重新表述为任务特定的模块
• 实现 —— 将模块组装成结构化的推理计划（键值格式）
• 解决 —— 按照推理结构产生最终答案

来源：Zhou 等人，“Self-Discover：大型语言模型自组装推理结构”（2024 年，ICML）—— LLMs 自组装原子推理模块到任务固有的结构，实现高达 32% 的改进，超越 Chain-of-Thought。

种子推理模块 这些是从认知科学和提示研究中提取的原子推理技能（Fernando 等人，2023 年；Zhou 等人，2024 年）。代理选择每个任务相关的子集。 # 模块 描述 最适合 1 步骤式思考 将推理分解为顺序步骤 顺序任务，程序 2 分解 将问题分解为子问题，解决每个复杂的多部分问题 3 批判性思考 从多个角度分析，质疑假设 评估声明，决策 4 反思性思考 搜索第一原理，检查底层理论 科学，深入分析 5 创造性思考 生成新颖的方法，集思广益替代方案 设计，开放式任务 6 模式识别 识别重复出现的模式和规律 数据分析，序列 7 类比推理 将解决方案从类似的已知问题映射过来 转移学习，解释 8 因果分析 确定因果关系 调试，诊断 9 约束满足性 检查解决方案是否满足所有约束 优化，规划 10 抽象 从具体中提取一般原理 概括，架构 11 假设测试 系统地形成和测试假设 故障排除，调试 12 比较分析 将选项与定义的标准进行比较 决策，权衡 13 时间推理 推理关于序列和时间依赖关系 的内容 安排，流程 14 空间推理 推理关于空间关系 的内容 布局，几何，UI 15 反事实思考 考虑“假如”替代方案 风险分析，规划 16 横向思考 从非传统角度接近 创新，问题解决 17 演绎推理 将一般规则应用于特定情况 逻辑，验证 18 归纳推理 从特定示例中推断一般规则 模式概括 19 概率推理 在不确定性下推理