一种新技能（点击标题），引导Claude Code运用类似黑格尔辩证法的结构化流程，对主题进行深入研究。
AI辩证技能：双智能体偏执对抗，三阶结构拆解重塑认知盲区：Electric Monks通过双AI子智能体分别偏执相信对立立场，第三智能体拆解合成半格结构，三轮迭代后进入单条提示无法到达的认知领地，专门破解信念固化、研究广度不足、结构性对比困难三大思考瓶颈。
核心观点摘要
这个技能的本质是：让AI替你"偏执"地相信对立观点，然后站在更高维度拆解这些偏执的结构。它不是帮你得出结论，而是帮你发现自己思考中的盲区——那些你因为太投入而看不见的东西。
为什么叫"Electric Monks"（电子僧侣）
Douglas Adams在《Dirk Gently's Holistic Detective Agency》里创造了一种机器，专门替人类"相信"事情——比如相信世界会照顾你，或者相信你的草坪是粉红色的。人类懒得自己相信，就让机器代劳。
这个技能把这种荒诞变成了严肃的认知工具。两个AI子智能体（subagents）各自扮演"电子僧侣"——一个死磕A观点，一个死磕B观点，不是假装辩论，而是真的、彻底地、毫无保留地相信各自立场。然后第三个智能体（orchestrator，协调者）跳出来，把两边的论证拆成原子级别的零件，寻找跨领域的连接，最后合成一个"半格结构"（semi-lattice）。
半格结构是什么？简单说就是：不是A赢了，也不是B赢了，而是A和B的某些部分组合成了C，C又和D组合……最终形成一个网络，没有任何单一线性论证能到达这个网络。
三个认知瓶颈，AI一次打通
人类思考难题时，有三个地方特别容易卡死，而且它们还会互相叠加：
信念固化。一旦你有了一个立场，你就无法同时以同等强度相信它的反面。你会不自觉地弱化对方的论证，给自己的立场找补。这叫"动机性推理"，大脑自带的bug。
研究广度不够。要真正理解一个领域的思想家、历史、相邻学科，需要巨量时间。大多数人搜几篇论文就停了，以为自己懂了。
结构性对比太难。即使你把两个立场并排放，要把它们拆成原子部分、找到跨领域的连接，这认知负荷高得吓人。大部分分析到这里就瘫痪了。
LLM（大语言模型）在这三件事上能做得比人类快得多、规模大得多。这个技能就是让它们各司其职：一个负责偏执地相信A，一个负责偏执地相信B，第三个负责站在结构层面拆解和重组。
使用场景：你什么时候需要这个技能
不是每个问题都值得上这么重的炮。以下六种情况，说明你真的需要：
你锁死在一个愿景里，无法真诚考虑替代方案。你有一个很强的论点——可能是架构、策略、人生方向——你想压力测试它，但你总是把对方论证"钢人化"得很弱（steelman weakly）。你知道该认真考虑反面，但做不到。
你想做所有事情，因为砍掉任何一项都感觉像背叛。竞争的需求都同样紧急，你无法排序，因为每个优先级背后都有人在指望你。
你能论证每一方，但无法承诺任何一方。你觉得这个问题 intellectually interesting（智力上有趣），但问"你到底怎么想？"时你会不舒服。你之前探索过，但没有解决。
你优化了一个系统，但怀疑自己在优化错误的东西。你的方法有效——你有数据证明——但环境可能已经变了，你看不见自己能力之外的盲区。
你自己的价值观互相矛盾。你 充满激情地相信多件事，每件单独看都对，但合在一起不可能。这种张力是内部的，不是外部的。
"这就是做法"已经变成了隐形的假设。你对事物运作方式有深厚知识，但这可能让你对 根本不同的方法视而不见。（房间里有头大象没有发现）
这些情况横跨技术架构、产品策略、哲学、个人决策——本质上是：你陷入了某种认知僵局，而常规的自我反思无法打破它。
实际运作：三轮之后进入无人区
第一轮，你输入一个主题。两个僧侣开始各自建造论证堡垒，协调者拆解合成。你读他们的输出，会冒出一些想法——这些想法不在任何一方的论证里，是你自己的修正或延伸。你把它们反馈进去。
第二轮，僧侣们把这些反馈纳入，但继续偏执地相信各自立场。协调者再次拆解，但现在它处理的是"你的修正+原始论证"的混合体。结构变得更复杂，连接更跨领域。
第三轮，僧侣们在一片你自己都无法单独到达的领地上作战。他们的论证涉及你从未想过的类比、你未曾了解的历史案例、你专业领域之外的框架。协调者合成的半格结构，已经和你最初输入的问题不在同一个维度了。
这时候你读输出，感觉不是"被说服了"，而是"我的思考地图被重新绘制了"。
为什么这感觉不一样
普通用LLM，你得到的是 浅层观点——流畅、自信、但缺乏深度。
辩证技能打破这个模式，因为：
强迫性偏执：僧侣必须 完全投入，不能骑墙。
这制造出极端的论证张力，逼出平时藏在水面下的假设。
结构而非内容：协调者不判断谁对谁错，它分析的是矛盾的结构本身。
这让你从"相信A还是B"的泥潭里抽身，进入"看看这个信念系统的形状"的元认知层面。
反馈循环：每轮你的输入都被严格地暴露矛盾——不是攻击你，而是展示你思考中的不一致之处。
这产生一张越来越完整、越来越精确的"你自己的想法地图"。
最终输出比你输入的更丰富、更有趣。每个合成成为下一轮的主题，系统自我推进到单条提示无法到达的领地。
技术实现要点
这个技能需要支持子智能体生成（subagent spawning）和网络搜索的编程智能体——Claude Code、Cursor、Windsurf等都可以。
设计上是重的：每轮至少10-15分钟，至少计划3轮。而且必须用最好的可用模型——每个阶段都受益于最大推理能力。这不是快速得到答案的工具，这是深度重塑思考结构的工具。
本质：人工信念系统，解放你的思考
这不是人工智能——这是一个人工信念系统，解放你去思考。
你不是在让AI替你思考，你是在让AI替你"相信"——那些你相信起来有阻力、有成本、有情感负担的立场。AI替你偏执，你站在上面看结构。
信念被外包了，认知自由被归还了。
这有点像精神分析里的"悬浮注意"（evenly suspended attention）——分析师不投入任何一方，只是观察移情的结构。
或者像禅宗里的"不即不离"——不陷入内容，也不脱离内容，只在关系的层面上工作。
但这里用的是工程化的方法：明确的角色分工、可重复的流程、可量化的轮次。
把最昂贵的认知劳动——维持对立信念、跨域研究、结构比较——自动化，让人类保留最需要直觉和整合的工作：识别连接、感受张力、决定下一步深入哪里。
28字SEO优化标题
作者背景与独特性评价
这个技能的设计者显然深入理解过黑格尔辩证法、认知科学中的动机性推理研究、以及形式逻辑里的格论（lattice theory）。更关键的是，他们有实际的AI系统构建经验——知道子智能体如何协作、如何设计反馈循环、如何平衡"偏执"与"合成"的张力。
这个技能独特性在于：这不是一个"让AI帮你决策"的工具，而是"让AI帮你看见自己如何决策"的工具。
它不提供答案，它重塑你提问的方式。
在满世界都是"AI帮你写代码、AI帮你做PPT"的工具里，这个技能敢于要求用户投入45分钟以上的重型认知劳动，而且承诺的产出是"更精确的矛盾地图"而非"解决方案"。这种对思考过程的尊重，在当前的AI工具生态里相当罕见。
它也暗示了一个更激进的可能性：未来的认知增强可能不是让人类更快地想，而是让人类从"必须相信某事才能思考"的负担中解放出来。
当AI可以替你偏执，你终于可以只关心结构了。