{"id":"c020a6a1-eef5-43a3-9451-c6e3baafb942","entityType":"agent","slug":"clawhub-gechengling-feynman-think-method","name":"Feynman Think Method","canonicalUrl":"https://www.xpersona.co/agent/clawhub-gechengling-feynman-think-method","canonicalPath":"/agent/clawhub-gechengling-feynman-think-method","generatedAt":"2026-10-11T10:50:23.534Z","source":"CLAWHUB","claimStatus":"UNCLAIMED","verificationTier":"NONE","summary":{"evidence":{"source":"editorial-content","verified":true,"confidence":"high","updatedAt":"2026-10-11T08:03:09.411Z","emptyReason":null},"description":"运用费曼学习法和物理思维，深入理解复杂概念，识别盲点，构建第一性原理认知，助力学习与问题诊断。 Skill: Feynman Think Method Owner: gechengling Summary: 运用费曼学习法和物理思维，深入理解复杂概念，识别盲点，构建第一性原理认知，助力学习与问题诊断。 Tags: feynman-think-method:2.1.2, latest:2.1.2 Version history: v2.1.2 | 2026-09-21T05:13:06.442Z | user 2.1.2: 四模型各补实战举例与对照表；新增费曼理解度自评表（7维度5列）；动态更新至2026-09-21并新增分析列；补充适用边界与数据最小化声明 v2.1.1 | 2026-06-28T13:21:18.371Z | auto - 新增“最新动态”和“投资思维最新动态”板块，展示AI技术应用与金融投资宏观框架的实时行业更新。 - 补充2026年最新达利欧、AI治理等事件，深化AI时代知识与投资风险提示。 - 丰富","descriptionLabel":"Technical summary","evidenceSummary":"Capability contract not published. No trust telemetry is available yet. 1.1K downloads reported by the source. Last updated 10/11/2026.","installCommand":"clawhub skill install s17ewqc4f2s6gpcbm88hy7fgvn85kg1g:feynman-think-method","sourceUrl":"https://clawhub.ai/gechengling/feynman-think-method","homepage":"https://clawhub.ai/gechengling/skills/feynman-think-method","primaryLinks":[{"label":"View on ClawHub","url":"https://clawhub.ai/gechengling/feynman-think-method","kind":"source"},{"label":"Homepage","url":"https://clawhub.ai/gechengling/skills/feynman-think-method","kind":"homepage"}],"safetyScore":84,"overallRank":62,"popularityScore":61,"trustScore":null,"claimedByName":null,"isOwner":false,"seoDescription":"运用费曼学习法和物理思维，深入理解复杂概念，识别盲点，构建第一性原理认知，助力学习与问题诊断。 Skill: Feynman Think Method Owner: gechengling Summary: 运用费曼学习法和物理思维，深入理解复杂概念，识别盲点，构建第一性原理认知，助力学习与问题诊断。 Tags: fe"},"coverage":{"evidence":{"source":"public-profile","verified":false,"confidence":"medium","updatedAt":"2026-10-11T08:03:09.411Z","emptyReason":null},"protocols":[{"protocol":"OPENCLEW","label":"OpenClaw","status":"self-declared","notes":"Declared in the public agent profile."}],"capabilities":[],"verifiedCount":0,"selfDeclaredCount":1,"capabilityMatrix":{"rows":[{"key":"OPENCLEW","type":"protocol","support":"unknown","confidenceSource":"profile","notes":"Listed on profile"}],"flattenedTokens":"protocol:OPENCLEW|unknown|profile"}},"adoption":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T08:03:09.411Z","emptyReason":null},"stars":null,"forks":null,"downloads":1118,"packageName":null,"latestVersion":"2.1.2","tractionLabel":"1.1K downloads"},"release":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"medium","updatedAt":"2026-10-11T08:03:09.400Z","emptyReason":null},"lastUpdatedAt":"2026-10-11T08:03:09.411Z","lastCrawledAt":"2026-10-11T08:03:09.400Z","lastIndexedAt":null,"nextCrawlAt":"2026-10-12T08:03:09.400Z","lastVerifiedAt":null,"highlights":[{"version":"2.1.2","createdAt":"2026-09-21T05:13:06.442Z","changelog":"2.1.2: 四模型各补实战举例与对照表；新增费曼理解度自评表（7维度5列）；动态更新至2026-09-21并新增分析列；补充适用边界与数据最小化声明","fileCount":3,"zipByteSize":10089},{"version":"2.1.1","createdAt":"2026-06-28T13:21:18.371Z","changelog":"- 新增“最新动态”和“投资思维最新动态”板块，展示AI技术应用与金融投资宏观框架的实时行业更新。 - 补充2026年最新达利欧、AI治理等事件，深化AI时代知识与投资风险提示。 - 丰富元数据与行业数据引用，提高内容时效与实用性。 - 移除 skill-card.md 文件。","fileCount":3,"zipByteSize":4201},{"version":"2.0.1","createdAt":"2026-06-01T15:11:00.102Z","changelog":"Security compliance update: added capability declarations and advisory-only disclaimers to meet ClawHub security scan requirements","fileCount":3,"zipByteSize":3775},{"version":"2.0.0","createdAt":"2026-05-11T06:13:10.860Z","changelog":"- Added content on applying the Feynman method in the AI era, including \"learning to ask questions to AI\" and \"using AI to play Feynman and check your understanding\" - Updated the skill version to 2.0.0 - Expanded description to reflect new AI-related usage scenarios","fileCount":3,"zipByteSize":3111},{"version":"1.0.0","createdAt":"2026-05-08T05:52:18.683Z","changelog":"Initial release of the \"费曼学习法与物理学思维\" (Feynman Think Method) skill. - Introduced four core thinking models: 费曼学习法四步, 第一性理解, 追问本质, 简单性原则 - Provided practical workflow for applying the Feynman learning method in various scenarios - Included reference quotes and key principles from Richard Feynman’s works - Documentation primarily in Chinese, with essential English terminology retained","fileCount":2,"zipByteSize":1843}]},"execution":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No published capability contract is available yet."},"installCommand":"clawhub skill install s17ewqc4f2s6gpcbm88hy7fgvn85kg1g:feynman-think-method","setupComplexity":"low","setupSteps":["Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.","Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data."],"contract":{"contractStatus":"missing","authModes":[],"requires":[],"forbidden":[],"supportsMcp":false,"supportsA2a":false,"supportsStreaming":false,"inputSchemaRef":null,"outputSchemaRef":null,"dataRegion":null,"contractUpdatedAt":null,"sourceUpdatedAt":null,"freshnessSeconds":null},"invocationGuide":{"preferredApi":{"snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-feynman-think-method/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-feynman-think-method/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-feynman-think-method/trust"},"curlExamples":["curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-feynman-think-method/snapshot\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-feynman-think-method/contract\"","curl -s \"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-feynman-think-method/trust\""],"jsonRequestTemplate":{"query":"summarize this repo","constraints":{"maxLatencyMs":2000,"protocolPreference":["OPENCLEW"]}},"jsonResponseTemplate":{"ok":true,"result":{"summary":"...","confidence":0.9},"meta":{"source":"CLAWHUB","generatedAt":"2026-10-11T10:50:23.534Z"}},"retryPolicy":{"maxAttempts":3,"backoffMs":[500,1500,3500],"retryableConditions":["HTTP_429","HTTP_503","NETWORK_TIMEOUT"]}},"endpoints":{"dossierUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-feynman-think-method/dossier","snapshotUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-feynman-think-method/snapshot","contractUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-feynman-think-method/contract","trustUrl":"https://www.xpersona.co/api/v1/agents/clawhub-gechengling-feynman-think-method/trust"}},"reliability":{"evidence":{"source":"runtime-metrics","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No trust, reliability, or runtime telemetry is available."},"trust":{"status":"unavailable","handshakeStatus":"UNKNOWN","verificationFreshnessHours":null,"reputationScore":null,"p95LatencyMs":null,"successRate30d":null,"fallbackRate":null,"attempts30d":null,"trustUpdatedAt":null,"trustConfidence":"unknown","sourceUpdatedAt":null,"freshnessSeconds":null},"decisionGuardrails":{"doNotUseIf":["Contract metadata is missing or unavailable for deterministic execution."],"safeUseWhen":[],"riskFlags":["missing_or_unavailable_contract","trust_data_unavailable","schema_references_missing"],"operationalConfidence":"low"},"executionMetrics":{"observedLatencyMsP50":null,"observedLatencyMsP95":null,"estimatedCostUsd":null,"uptime30d":null,"rateLimitRpm":null,"rateLimitBurst":null,"lastVerifiedAt":null,"verificationSource":null},"runtimeMetrics":{"successRate":null,"avgLatencyMs":null,"avgCostUsd":null,"hallucinationRate":null,"retryRate":null,"disputeRate":null,"p50Latency":null,"p95Latency":null,"lastUpdated":null}},"benchmarks":{"evidence":{"source":"no-benchmark-data","verified":false,"confidence":"low","updatedAt":null,"emptyReason":"No benchmark suites or observed failure patterns are available."},"suites":[],"failurePatterns":[]},"artifacts":{"evidence":{"source":"CLAWHUB","verified":false,"confidence":"high","updatedAt":"2026-10-11T08:03:09.411Z","emptyReason":null},"readme":"Skill: Feynman Think Method\n\nOwner: gechengling\n\nSummary: 运用费曼学习法和物理思维，深入理解复杂概念，识别盲点，构建第一性原理认知，助力学习与问题诊断。\n\nTags: feynman-think-method:2.1.2, latest:2.1.2\n\nVersion history:\n\nv2.1.2 | 2026-09-21T05:13:06.442Z | user\n\n2.1.2: 四模型各补实战举例与对照表；新增费曼理解度自评表（7维度5列）；动态更新至2026-09-21并新增分析列；补充适用边界与数据最小化声明\n\nv2.1.1 | 2026-06-28T13:21:18.371Z | auto\n\n- 新增“最新动态”和“投资思维最新动态”板块，展示AI技术应用与金融投资宏观框架的实时行业更新。\n- 补充2026年最新达利欧、AI治理等事件，深化AI时代知识与投资风险提示。\n- 丰富元数据与行业数据引用，提高内容时效与实用性。\n- 移除 skill-card.md 文件。\n\nv2.0.1 | 2026-06-01T15:11:00.102Z | user\n\nSecurity compliance update: added capability declarations and advisory-only disclaimers to meet ClawHub security scan requirements\n\nv2.0.0 | 2026-05-11T06:13:10.860Z | auto\n\n- Added content on applying the Feynman method in the AI era, including \"learning to ask questions to AI\" and \"using AI to play Feynman and check your understanding\"\n- Updated the skill version to 2.0.0\n- Expanded description to reflect new AI-related usage scenarios\n\nv1.0.0 | 2026-05-08T05:52:18.683Z | auto\n\nInitial release of the \"费曼学习法与物理学思维\" (Feynman Think Method) skill.\n\n- Introduced four core thinking models: 费曼学习法四步, 第一性理解, 追问本质, 简单性原则\n- Provided practical workflow for applying the Feynman learning method in various scenarios\n- Included reference quotes and key principles from Richard Feynman’s works\n- Documentation primarily in Chinese, with essential English terminology retained\n\nArchive index:\n\nArchive v2.1.2: 3 files, 10089 bytes\n\nFiles: skill-card.md (2531b), SKILL.md (17760b), _meta.json (139b)\n\nFile v2.1.2:SKILL.md\n\n# SKILL.md\r\n\r\n\r\n\r\n## Identity\r\n\r\n- **Skill Name**: 费曼学习法与物理学思维 (Richard Feynman Think Method)\r\n\r\n- **Slug**: finance-feynman-learning\r\n\r\n- **Version**: 2.1.2\r\n- **Updated**: 2026-09-21\r\n- **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。\r\n- **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。\r\n\r\n- **Language**: 中文为主，英文关键术语保留\r\n\r\n- **Author**: 葛成 (@gechengling)\r\n\r\n- **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.\r\n\r\n\r\n\r\n### 最新动态 [2026-09-21更新]\r\n\r\n| 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） |\r\n|---------|---------|---------|---------|---------------------------|\r\n| 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？ |\r\n| 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 |\r\n| 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？ |\r\n| 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 |\r\n\r\n\r\n\r\n> **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\r\n> **声明**: 以上动态供参考，具体以官方最新发布为准\r\n\r\n\r\n\r\n## Core Thinking Models\r\n\r\n\r\n\r\n### 模型一：费曼学习法四步\r\n\r\n```\r\n\r\nStep 1: 选择一个概念，写下你知道的一切\r\n\r\nStep 2: 假装教给一个12岁孩子 → 卡住的地方=真正盲点\r\n\r\nStep 3: 回头填补缺口，重新研究直到流畅\r\n\r\nStep 4: 简化+类比 → 找不到类比=理解不够深\r\n\r\n```\r\n\r\n\r\n\r\n**举例 A：用四步法拆解“久期（Duration）”**\r\n\r\n\r\n\r\n| 步骤 | 你实际会写下的内容 | 卡住的地方（真盲点） |\r\n|------|-------------------|---------------------|\r\n| 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 |\r\n| 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” |\r\n| 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” |\r\n| 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 | — |\r\n\r\n\r\n\r\n**举例 B：用四步法拆解“偿付能力充足率”**\r\n\r\n\r\n\r\n| 步骤 | 你实际会写下的内容 | 卡住的地方（真盲点） |\r\n|------|-------------------|---------------------|\r\n| 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 |\r\n| 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 |\r\n| 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” |\r\n| 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 | — |\r\n\r\n\r\n\r\n### 模型二：第一性理解\r\n\r\n- 第一类知识：知道名称 ≠ 真正理解\r\n- 能用类比解释？能预测陌生场景表现？能教给完全不懂的人？\r\n- 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”\r\n\r\n\r\n\r\n**类比检验的三道关（举例）**\r\n\r\n\r\n\r\n| 概念 | 类比尝试 | 类比能预测陌生场景吗？ | 判定 |\r\n|------|---------|----------------------|------|\r\n| 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 |\r\n| 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 |\r\n| 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 |\r\n| 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 |\r\n\r\n\r\n\r\n### 模型三：追问本质\r\n\r\n- “为什么？” 连续追问5层 → 剥离表象直达物理现实\r\n- 费曼：“我宁愿有无法回答的问题，也不愿有无法质疑的答案”\r\n- 证伪比证实更重要\r\n\r\n\r\n\r\n**举例：把“这家寿险公司利差损压力大”追问5层**\r\n\r\n\r\n\r\n| 层级 | 追问 | 得到的回答 | 是否触底 |\r\n|------|------|-----------|---------|\r\n| 第1层 | 为什么利差损压力大？ | 负债成本高于投资收益率 | 否 |\r\n| 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 |\r\n| 第3层 | 为什么不能下调？ | 合同承诺+监管保护投保人预期 | 否 |\r\n| 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 |\r\n| 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） |\r\n\r\n\r\n\r\n**五层追问的使用守则**\r\n\r\n\r\n\r\n| 守则 | 说明 | 反例 |\r\n|------|------|------|\r\n| 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 |\r\n| 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 |\r\n| 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 |\r\n| 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 |\r\n\r\n\r\n\r\n### 模型四：简单性原则\r\n\r\n- 真理越说越简单，复杂解释往往是掩饰不理解\r\n- 科学思维：承认不知道 = 知识的起点\r\n\r\n\r\n\r\n**一句话检验（举例）**\r\n\r\n\r\n\r\n| 概念 | 复杂版（往往是没懂） | 简化版（一句话说清） |\r\n|------|--------------------|--------------------|\r\n| 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 |\r\n| 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 |\r\n| 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 |\r\n\r\n\r\n\r\n**“承认不知道”的三档表达（避免假懂话术）**\r\n\r\n\r\n\r\n| 档位 | 说法 | 适用场景 |\r\n|------|------|---------|\r\n| 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 |\r\n| 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 |\r\n| 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 |\r\n\r\n\r\n\r\n## 新增内容（2026版）\r\n\r\n**Step 2 新增思考维度（2026）**：\r\n\r\n- 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\r\n- 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）\r\n- 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\r\n- 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\r\n- 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\r\n\r\n\r\n\r\n**Step 2 再新增思考维度（2026-09补充）**：\r\n\r\n- **“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\r\n- **“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\r\n- **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\r\n- **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”\r\n\r\n\r\n\r\n---\r\n\r\n\r\n\r\n## When to Use\r\n\r\n- \"这个概念我好像懂了，但又说不太清楚\"\r\n\r\n- \"学了很多但感觉没有真正记住\"\r\n\r\n- \"怎么快速判断自己是真的懂还是假的懂？\"\r\n\r\n- “这个行业的底层逻辑是什么？”\r\n- “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？”\r\n\r\n\r\n\r\n**不适用（请用其他技能）**\r\n\r\n\r\n\r\n| 你的真实需求 | 应该转向 |\r\n|-------------|---------|\r\n| 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 |\r\n| 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 |\r\n| 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 |\r\n| 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 |\r\n\r\n\r\n\r\n\r\n### 投资思维最新动态 [2026-09-21更新]\r\n\r\n| 动态类型 | 内容摘要 | 发布时间 | 影响范围 | 用费曼法怎么拆 |\r\n|---------|---------|---------|---------|---------------|\r\n| 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 |\r\n| 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 |\r\n| 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？ |\r\n| 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 |\r\n\r\n\r\n\r\n> **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\r\n> **声明**: 以上动态供参考，具体以官方最新发布为准\r\n\r\n## Workflow\r\n\r\n```\r\n\r\n【费曼分析】\r\n\r\nStep 1 - 现状盘点：你现在能一句话解释核心吗？\r\n\r\nStep 2 - 费曼测试：写给12岁孩子的解释，卡在哪了？\r\n\r\nStep 3 - 填补缺口：回到原始资料，重新研究盲点\r\n\r\nStep 4 - 简化类比：用一个生活类比说明\r\n\r\n```\r\n\r\n\r\n\r\n**完整走一遍的示例（主题：搞懂“什么是RAG”）**\r\n\r\n\r\n\r\n| 环节 | 输出示例 | 费曼法在这里起什么作用 |\r\n|------|---------|----------------------|\r\n| 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 |\r\n| 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 |\r\n| 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” |\r\n| 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） |\r\n\r\n\r\n\r\n**输出前的自检（保存/外发前必做）**\r\n\r\n\r\n\r\n| 自检项 | 不通过的表现 | 处理动作 |\r\n|--------|-------------|---------|\r\n| 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” |\r\n| 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 |\r\n| 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……” |\r\n| 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 |\r\n\r\n\r\n\r\n## Reference Quotes\r\n\r\n- “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”\r\n- “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”\r\n- “我宁愿有无法回答的问题，也不愿有无法质疑的答案”\r\n- “真理应该越说越简单，越说越复杂说明你没理解”\r\n- “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）\r\n\r\n\r\n\r\n## 费曼理解度自评表（新增）\r\n\r\n\r\n\r\n| 检验维度 | 具体问法 | 通过标准 | 常见失败表现 | 补救动作 |\r\n|---------|---------|---------|-------------|---------|\r\n| 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 |\r\n| 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 |\r\n| 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 |\r\n| 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 | 做一次反事实推演 |\r\n| 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 |\r\n| 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 |\r\n| 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 |\r\n\r\n\r\n\r\n**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。\r\n\r\n\r\n\r\n## Source\r\n\r\n- 费曼公开讲座（Cornell, Caltech等）\r\n- 《费曼物理学讲义》\r\n- 《别闹了，费曼先生》\r\n- “解释深度错觉”（Illusion of Explanatory Depth）相关认知科学研究文献\r\n- 各平台费曼学习法整理\r\n- **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。\r\n\r\n- 《费曼物理学讲义》\r\n\r\n- 《别闹了，费曼先生》\r\n\r\n- 各平台费曼学习法整理\r\n\r\n\r\n\r\n## Metadata\r\n\r\n- **Slug**: finance-feynman-learning\r\n\r\n- **URL**: https://clawhub.ai/gechengling/feynman-think-method\r\n\r\n- **Tags**: 费曼, 学习方法, 物理学思维, 第一性原理, 知识管理\n\nFile v2.1.2:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"feynman-think-method\",\n  \"version\": \"2.1.2\",\n  \"publishedAt\": 1789967586442\n}\n\nFile v2.1.2:skill-card.md\n\n## Description:\n\nGuides agents to help users understand complex concepts through Feynman-style explanation, analogy, first-principles questioning, and understanding checks.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[gechengling](https://clawhub.ai/user/gechengling)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nDevelopers and end users can use this skill to turn vague or partial understanding into teachable explanations, identify knowledge gaps, and structure follow-up research. It is most appropriate for learning, research preparation, problem diagnosis, and knowledge-management workflows rather than professional advice or real-time factual lookup.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Users may mistake conceptual reasoning support for verified financial, legal, medical, or current-market advice.\n\nMitigation: Frame outputs as learning aids and require qualified professional review plus source verification before relying on them for regulated or high-impact decisions.\n\nRisk: Users may provide personal, client, health, financial, or confidential business data while asking for examples or diagnosis.\n\nMitigation: Ask for minimized, desensitized, or abstracted inputs and avoid requesting credentials, account details, or sensitive identifiers.\n\nRisk: The artifact includes time-sensitive examples and external claims that may become stale or unverified.\n\nMitigation: Treat dates, figures, laws, market claims, and citations as prompts for source checking rather than authoritative facts.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/gechengling/skills/feynman-think-method)\n- [Publisher profile](https://clawhub.ai/user/gechengling)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, guidance]\n\n**Output Format:** [Markdown or structured text with explanations, questions, examples, comparison tables, and self-check rubrics]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Produces reasoning aids and learning prompts; does not produce verified professional advice, real-time facts, credentials, code execution, or persistent state.]\n\n## Skill Version(s):\n\n2.1.2 (source: server evidence release.version and artifact identity)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nArchive v2.1.1: 3 files, 4201 bytes\n\nFiles: skill-card.md (1727b), SKILL.md (6152b), _meta.json (139b)\n\nFile v2.1.1:SKILL.md\n\n# SKILL.md\r\n\r\n\r\n\r\n## Identity\r\n\r\n- **Skill Name**: 费曼学习法与物理学思维 (Richard Feynman Think Method)\r\n\r\n- **Slug**: finance-feynman-learning\r\n\r\n- **Version**: 2.1.1\r\n\r\n- **Language**: 中文为主，英文关键术语保留\r\n\r\n- **Author**: 葛成 (@gechengling)\r\n\r\n- **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.\r\n\r\n\r\n\r\n### 最新动态 [2026-06-15更新]\r\n\r\n\r\n\r\n| 动态类型 | 内容摘要 | 发布时间 | 影响范围 |\r\n\r\n|---------|---------|---------|---------|\r\n\r\n| 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 |\r\n\r\n\r\n\r\n> **数据截止**: 2026-06-15 | 来源：AI行业研究报告、路透社\r\n\r\n> **声明**: 以上动态供参考，具体以官方最新发布为准\r\n\r\n\r\n\r\n## Core Thinking Models\r\n\r\n\r\n\r\n### 模型一：费曼学习法四步\r\n\r\n```\r\n\r\nStep 1: 选择一个概念，写下你知道的一切\r\n\r\nStep 2: 假装教给一个12岁孩子 → 卡住的地方=真正盲点\r\n\r\nStep 3: 回头填补缺口，重新研究直到流畅\r\n\r\nStep 4: 简化+类比 → 找不到类比=理解不够深\r\n\r\n```\r\n\r\n\r\n\r\n### 模型二：第一性理解\r\n\r\n- 第一类知识：知道名称 ≠ 真正理解\r\n\r\n- 能用类比解释？能预测陌生场景表现？能教给完全不懂的人？\r\n\r\n- 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\"\r\n\r\n\r\n\r\n### 模型三：追问本质\r\n\r\n- \"为什么？\" 连续追问5层 → 剥离表象直达物理现实\r\n\r\n- 费曼：\"我宁愿有无法回答的问题，也不愿有无法质疑的答案\"\r\n\r\n- 证伪比证实更重要\r\n\r\n\r\n\r\n### 模型四：简单性原则\r\n\r\n- 真理越说越简单，复杂解释往往是掩饰不理解\r\n\r\n- 科学思维：承认不知道 = 知识的起点\r\n\r\n\r\n\r\n## 新增内容（2026版）\r\n\r\n**Step 2 新增思考维度（2026）**：\r\n\r\n- 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\r\n\r\n- 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）\r\n\r\n- 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\r\n\r\n- 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\r\n\r\n- 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\r\n\r\n\r\n\r\n---\r\n\r\n\r\n\r\n## 新增内容（2026版）\r\n\r\n**Step 2 新增思考维度（2026）**：\r\n\r\n- 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\r\n\r\n- 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）\r\n\r\n- 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\r\n\r\n- 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\r\n\r\n- 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\r\n\r\n\r\n\r\n---\r\n\r\n\r\n\r\n## When to Use\r\n\r\n- \"这个概念我好像懂了，但又说不太清楚\"\r\n\r\n- \"学了很多但感觉没有真正记住\"\r\n\r\n- \"怎么快速判断自己是真的懂还是假的懂？\"\r\n\r\n- \"这个行业的底层逻辑是什么？\"\r\n\r\n\r\n\r\n\r\n### 投资思维最新动态 [2026-06-28更新]\r\n\r\n| 动态类型 | 内容摘要 | 发布时间 | 影响范围 |\r\n|---------|---------|---------|---------|\r\n| 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 |\r\n| 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 |\r\n\r\n> **数据截止**: 2026-06-28 | 来源：国家金融监督管理总局、行业公开信息\r\n> **声明**: 以上动态供参考，具体以官方最新发布为准\r\n\r\n## Workflow\r\n\r\n```\r\n\r\n【费曼分析】\r\n\r\nStep 1 - 现状盘点：你现在能一句话解释核心吗？\r\n\r\nStep 2 - 费曼测试：写给12岁孩子的解释，卡在哪了？\r\n\r\nStep 3 - 填补缺口：回到原始资料，重新研究盲点\r\n\r\nStep 4 - 简化类比：用一个生活类比说明\r\n\r\n```\r\n\r\n\r\n\r\n## Reference Quotes\r\n\r\n- \"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\"\r\n\r\n- \"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\"\r\n\r\n- \"我宁愿有无法回答的问题，也不愿有无法质疑的答案\"\r\n\r\n- \"真理应该越说越简单，越说越复杂说明你没理解\"\r\n\r\n\r\n\r\n## Source\r\n\r\n- 费曼公开讲座（Cornell, Caltech等）\r\n\r\n- 《费曼物理学讲义》\r\n\r\n- 《别闹了，费曼先生》\r\n\r\n- 各平台费曼学习法整理\r\n\r\n\r\n\r\n## Metadata\r\n\r\n- **Slug**: finance-feynman-learning\r\n\r\n- **URL**: https://clawhub.ai/gechengling/feynman-think-method\r\n\r\n- **Tags**: 费曼, 学习方法, 物理学思维, 第一性原理, 知识管理\n\nFile v2.1.1:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"feynman-think-method\",\n  \"version\": \"2.1.1\",\n  \"publishedAt\": 1782652878371\n}\n\nFile v2.1.1:skill-card.md\n\n## Description:\n\nApplies the Feynman learning method and physics-style first-principles thinking to help agents explain complex concepts, identify knowledge gaps, and structure learning or problem diagnosis.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[gechengling](https://clawhub.ai/user/gechengling)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nDevelopers, learners, and knowledge workers use this skill to have an agent test understanding, simplify explanations, and expose blind spots in study, research, problem diagnosis, and knowledge management workflows.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: The skill includes static 2026 finance, AI, and governance examples that may become outdated or be mistaken for current market or regulatory advice.\n\nMitigation: Treat those examples as historical reference material and verify current finance, market, legal, or regulatory claims against authoritative sources before relying on them.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/gechengling/skills/feynman-think-method)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, guidance]\n\n**Output Format:** [Markdown guidance with structured explanation steps]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Chinese-first explanations with English technical terms where useful]\n\n## Skill Version(s):\n\n2.1.1 (source: server release evidence)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.\n\nArchive v2.0.1: 3 files, 3775 bytes\n\nFiles: skill-card.md (2116b), SKILL.md (4797b), _meta.json (139b)\n\nFile v2.0.1:SKILL.md\n\n# SKILL.md\r\n\r\n## Identity\r\n- **Skill Name**: 费曼学习法与物理学思维 (Richard Feynman Think Method)\r\n- **Slug**: finance-feynman-learning\r\n- **Version**: 2.0.0\r\n- **Language**: 中文为主，英文关键术语保留\r\n- **Author**: 葛成 (@gechengling)\r\n- **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.\r\n\r\n## Core Thinking Models\r\n\r\n### 模型一：费曼学习法四步\r\n```\r\nStep 1: 选择一个概念，写下你知道的一切\r\nStep 2: 假装教给一个12岁孩子 → 卡住的地方=真正盲点\r\nStep 3: 回头填补缺口，重新研究直到流畅\r\nStep 4: 简化+类比 → 找不到类比=理解不够深\r\n```\r\n\r\n### 模型二：第一性理解\r\n- 第一类知识：知道名称 ≠ 真正理解\r\n- 能用类比解释？能预测陌生场景表现？能教给完全不懂的人？\r\n- 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\"\r\n\r\n### 模型三：追问本质\r\n- \"为什么？\" 连续追问5层 → 剥离表象直达物理现实\r\n- 费曼：\"我宁愿有无法回答的问题，也不愿有无法质疑的答案\"\r\n- 证伪比证实更重要\r\n\r\n### 模型四：简单性原则\r\n- 真理越说越简单，复杂解释往往是掩饰不理解\r\n- 科学思维：承认不知道 = 知识的起点\r\n\r\n## 新增内容（2026版）\r\n**Step 2 新增思考维度（2026）**：\r\n- 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\r\n- 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）\r\n- 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\r\n- 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\r\n- 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\r\n\r\n---\r\n\r\n## 新增内容（2026版）\r\n**Step 2 新增思考维度（2026）**：\r\n- 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\r\n- 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）\r\n- 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\r\n- 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\r\n- 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\r\n\r\n---\r\n\r\n## When to Use\r\n- \"这个概念我好像懂了，但又说不太清楚\"\r\n- \"学了很多但感觉没有真正记住\"\r\n- \"怎么快速判断自己是真的懂还是假的懂？\"\r\n- \"这个行业的底层逻辑是什么？\"\r\n\r\n## Workflow\r\n```\r\n【费曼分析】\r\nStep 1 - 现状盘点：你现在能一句话解释核心吗？\r\nStep 2 - 费曼测试：写给12岁孩子的解释，卡在哪了？\r\nStep 3 - 填补缺口：回到原始资料，重新研究盲点\r\nStep 4 - 简化类比：用一个生活类比说明\r\n```\r\n\r\n## Reference Quotes\r\n- \"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\"\r\n- \"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\"\r\n- \"我宁愿有无法回答的问题，也不愿有无法质疑的答案\"\r\n- \"真理应该越说越简单，越说越复杂说明你没理解\"\r\n\r\n## Source\r\n- 费曼公开讲座（Cornell, Caltech等）\r\n- 《费曼物理学讲义》\r\n- 《别闹了，费曼先生》\r\n- 各平台费曼学习法整理\r\n\r\n## Metadata\r\n- **Slug**: finance-feynman-learning\r\n- **URL**: https://clawhub.ai/gechengling/feynman-think-method\r\n- **Tags**: 费曼, 学习方法, 物理学思维, 第一性原理, 知识管理\n\nFile v2.0.1:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"feynman-think-method\",\n  \"version\": \"2.0.1\",\n  \"publishedAt\": 1780326660102\n}\n\nFile v2.0.1:skill-card.md\n\n## Description: <br>\nUses the Feynman learning method and physics-style first-principles thinking to help users explain complex concepts, identify knowledge gaps, and build clearer understanding. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[gechengling](https://clawhub.ai/user/gechengling) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nLearners, researchers, and knowledge workers use this skill to test whether they truly understand a concept, explain it simply, find weak points in their reasoning, and refine their understanding through analogy and first-principles questions. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: The skill may steer loosely related concept questions into a Feynman-method learning format. <br>\nMitigation: Apply it when the user wants learning, explanation, or understanding-check support, and clarify intent when the request needs a different response style. <br>\nRisk: The skill may answer primarily in Chinese unless the user or agent asks otherwise. <br>\nMitigation: Follow the user's requested language and ask for a preference when language choice is unclear. <br>\n\n\n## Reference(s): <br>\n- [ClawHub skill page](https://clawhub.ai/gechengling/feynman-think-method) <br>\n- [Publisher profile](https://clawhub.ai/user/gechengling) <br>\n- [Artifact skill source](artifact/SKILL.md) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, guidance] <br>\n**Output Format:** [Markdown or plain text learning guidance with structured Feynman-method steps] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Chinese-first responses with English key terms retained when useful] <br>\n\n## Skill Version(s): <br>\n2.0.1 (source: server release evidence) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nArchive v2.0.0: 3 files, 3111 bytes\n\nFiles: skill-card.md (2080b), SKILL.md (2817b), _meta.json (139b)\n\nFile v2.0.0:SKILL.md\n\n# SKILL.md\r\n\r\n## Identity\r\n- **Skill Name**: 费曼学习法与物理学思维 (Richard Feynman Think Method)\r\n- **Slug**: feynman-think-method\r\n- **Version**: 2.0.0\r\n- **Language**: 中文为主，英文关键术语保留\r\n- **Author**: 葛成 (@gechengling)\r\n- **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。\r\n\r\n## Core Thinking Models\r\n\r\n### 模型一：费曼学习法四步\r\n```\r\nStep 1: 选择一个概念，写下你知道的一切\r\nStep 2: 假装教给一个12岁孩子 → 卡住的地方=真正盲点\r\nStep 3: 回头填补缺口，重新研究直到流畅\r\nStep 4: 简化+类比 → 找不到类比=理解不够深\r\n```\r\n\r\n### 模型二：第一性理解\r\n- 第一类知识：知道名称 ≠ 真正理解\r\n- 能用类比解释？能预测陌生场景表现？能教给完全不懂的人？\r\n- 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\"\r\n\r\n### 模型三：追问本质\r\n- \"为什么？\" 连续追问5层 → 剥离表象直达物理现实\r\n- 费曼：\"我宁愿有无法回答的问题，也不愿有无法质疑的答案\"\r\n- 证伪比证实更重要\r\n\r\n### 模型四：简单性原则\r\n- 真理越说越简单，复杂解释往往是掩饰不理解\r\n- 科学思维：承认不知道 = 知识的起点\r\n\r\n## When to Use\r\n- \"这个概念我好像懂了，但又说不太清楚\"\r\n- \"学了很多但感觉没有真正记住\"\r\n- \"怎么快速判断自己是真的懂还是假的懂？\"\r\n- \"这个行业的底层逻辑是什么？\"\r\n\r\n## Workflow\r\n```\r\n【费曼分析】\r\nStep 1 - 现状盘点：你现在能一句话解释核心吗？\r\nStep 2 - 费曼测试：写给12岁孩子的解释，卡在哪了？\r\nStep 3 - 填补缺口：回到原始资料，重新研究盲点\r\nStep 4 - 简化类比：用一个生活类比说明\r\n```\r\n\r\n## Reference Quotes\r\n- \"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\"\r\n- \"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\"\r\n- \"我宁愿有无法回答的问题，也不愿有无法质疑的答案\"\r\n- \"真理应该越说越简单，越说越复杂说明你没理解\"\r\n\r\n## Source\r\n- 费曼公开讲座（Cornell, Caltech等）\r\n- 《费曼物理学讲义》\r\n- 《别闹了，费曼先生》\r\n- 各平台费曼学习法整理\r\n\r\n## Metadata\r\n- **Slug**: feynman-think-method\r\n- **URL**: https://clawhub.ai/gechengling/feynman-think-method\r\n- **Tags**: 费曼, 学习方法, 物理学思维, 第一性原理, 知识管理\n\nFile v2.0.0:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"feynman-think-method\",\n  \"version\": \"2.0.0\",\n  \"publishedAt\": 1778479990860\n}\n\nFile v2.0.0:skill-card.md\n\n## Description: <br>\nA Chinese-language learning prompt that uses the Feynman method and physics-style first-principles thinking to help users explain complex concepts, identify knowledge gaps, simplify ideas, and test understanding with AI. <br>\n\nThis skill is ready for commercial/non-commercial use. <br>\n\n## Publisher: <br>\n[gechengling](https://clawhub.ai/user/gechengling) <br>\n\n### License/Terms of Use: <br>\nMIT-0 <br>\n\n\n## Use Case: <br>\nLearners, researchers, and knowledge workers use this skill to pressure-test whether they truly understand a concept by explaining it simply, finding blind spots, revisiting source material, and forming clear analogies. It is also useful for AI-assisted study sessions where the user asks an agent to play the role of Feynman and challenge weak explanations. <br>\n\n### Deployment Geography for Use: <br>\nGlobal <br>\n\n## Known Risks and Mitigations: <br>\nRisk: The skill's stated purpose does not require access to private files, accounts, credentials, or tools. <br>\nMitigation: Keep use limited to concept explanation and learning guidance; treat requests for private access, credentials, or tool use as outside the skill's scope. <br>\n\n\n## Reference(s): <br>\n- [Artifact skill definition](artifact/SKILL.md) <br>\n- [ClawHub skill page](https://clawhub.ai/gechengling/feynman-think-method) <br>\n\n\n## Skill Output: <br>\n**Output Type(s):** [text, markdown, guidance] <br>\n**Output Format:** [Markdown or plain text conversational guidance] <br>\n**Output Parameters:** [1D] <br>\n**Other Properties Related to Output:** [Prompt-only learning workflow; no code execution, credential use, persistence, or hidden authority is described in the security evidence.] <br>\n\n## Skill Version(s): <br>\n2.0.0 (source: server release evidence and artifact identity) <br>\n\n## Ethical Considerations: <br>\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment. <br>\n\nArchive v1.0.0: 2 files, 1843 bytes\n\nFiles: SKILL.md (2677b), _meta.json (139b)\n\nFile v1.0.0:SKILL.md\n\n# SKILL.md\r\n\r\n## Identity\r\n- **Skill Name**: 费曼学习法与物理学思维 (Richard Feynman Think Method)\r\n- **Slug**: feynman-think-method\r\n- **Version**: 1.0.0\r\n- **Language**: 中文为主，英文关键术语保留\r\n- **Author**: 葛成 (@gechengling)\r\n- **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。\r\n\r\n## Core Thinking Models\r\n\r\n### 模型一：费曼学习法四步\r\n```\r\nStep 1: 选择一个概念，写下你知道的一切\r\nStep 2: 假装教给一个12岁孩子 → 卡住的地方=真正盲点\r\nStep 3: 回头填补缺口，重新研究直到流畅\r\nStep 4: 简化+类比 → 找不到类比=理解不够深\r\n```\r\n\r\n### 模型二：第一性理解\r\n- 第一类知识：知道名称 ≠ 真正理解\r\n- 能用类比解释？能预测陌生场景表现？能教给完全不懂的人？\r\n- 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\"\r\n\r\n### 模型三：追问本质\r\n- \"为什么？\" 连续追问5层 → 剥离表象直达物理现实\r\n- 费曼：\"我宁愿有无法回答的问题，也不愿有无法质疑的答案\"\r\n- 证伪比证实更重要\r\n\r\n### 模型四：简单性原则\r\n- 真理越说越简单，复杂解释往往是掩饰不理解\r\n- 科学思维：承认不知道 = 知识的起点\r\n\r\n## When to Use\r\n- \"这个概念我好像懂了，但又说不太清楚\"\r\n- \"学了很多但感觉没有真正记住\"\r\n- \"怎么快速判断自己是真的懂还是假的懂？\"\r\n- \"这个行业的底层逻辑是什么？\"\r\n\r\n## Workflow\r\n```\r\n【费曼分析】\r\nStep 1 - 现状盘点：你现在能一句话解释核心吗？\r\nStep 2 - 费曼测试：写给12岁孩子的解释，卡在哪了？\r\nStep 3 - 填补缺口：回到原始资料，重新研究盲点\r\nStep 4 - 简化类比：用一个生活类比说明\r\n```\r\n\r\n## Reference Quotes\r\n- \"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\"\r\n- \"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\"\r\n- \"我宁愿有无法回答的问题，也不愿有无法质疑的答案\"\r\n- \"真理应该越说越简单，越说越复杂说明你没理解\"\r\n\r\n## Source\r\n- 费曼公开讲座（Cornell, Caltech等）\r\n- 《费曼物理学讲义》\r\n- 《别闹了，费曼先生》\r\n- 各平台费曼学习法整理\r\n\r\n## Metadata\r\n- **Slug**: feynman-think-method\r\n- **URL**: https://clawhub.ai/gechengling/feynman-think-method\r\n- **Tags**: 费曼, 学习方法, 物理学思维, 第一性原理, 知识管理\n\nFile v1.0.0:_meta.json\n\n{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"feynman-think-method\",\n  \"version\": \"1.0.0\",\n  \"publishedAt\": 1778219538683\n}","readmeExcerpt":"Skill: Feynman Think Method Owner: gechengling Summary: 运用费曼学习法和物理思维，深入理解复杂概念，识别盲点，构建第一性原理认知，助力学习与问题诊断。 Tags: feynman-think-method:2.1.2, latest:2.1.2 Version history: v2.1.2 | 2026-09-21T05:13:06.442Z | user 2.1.2: 四模型各补实战举例与对照表；新增费曼理解度自评表（7维度5列）；动态更新至2026-09-21并新增分析列；补充适用边界与数据最小化声明 v2.1.1 | 2026-06-28T13:21:18.371Z | auto - 新增“最新动态”和“投资思维最新动态”板块，展示AI技术应用与金融投资宏观框架的实时行业更新。 - 补充2026年最新达利欧、AI治理等事件，深化AI时代知识与投资风险提示。 - 丰富","codeSnippets":[],"executableExamples":[],"parameters":null,"dependencies":[],"permissions":[],"extractedFiles":[{"path":"SKILL.md","content":"# SKILL.md\r\n\r\n\r\n\r\n## Identity\r\n\r\n- **Skill Name**: 费曼学习法与物理学思维 (Richard Feynman Think Method)\r\n\r\n- **Slug**: finance-feynman-learning\r\n\r\n- **Version**: 2.1.2\r\n- **Updated**: 2026-09-21\r\n- **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。\r\n- **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。\r\n\r\n- **Language**: 中文为主，英文关键术语保留\r\n\r\n- **Author**: 葛成 (@gechengling)\r\n\r\n- **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.\r\n\r\n\r\n\r\n### 最新动态 [2026-09-21更新]\r\n\r\n| 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） |\r\n|---------|---------|---------|---------|---------------------------|\r\n| 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？ |\r\n| 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 |\r\n| 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？ |\r\n| 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 |\r\n\r\n\r\n\r\n> **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\r\n> **声明**: 以上动态供参考，具体以官方最新发布为准\r\n\r\n\r\n\r\n## Core Thinking Models\r\n\r\n\r\n\r\n### 模型一：费曼学习法四步\r\n\r\n```\r\n\r\nStep 1: 选择一个概念，写下你知道的一切\r\n\r\nStep 2: 假装教给一个12岁孩子 → 卡住的地方=真正盲点\r\n\r\nStep 3: 回头填补缺口，重新研究直到流畅\r\n\r\nStep 4: 简化+类比 → 找不到类比=理解不够深\r\n\r\n```\r\n\r\n\r\n\r\n**举例 A：用四步法拆解“久期（Duration）”**\r\n\r\n\r\n\r\n| 步骤 | 你实际会写下的内容 | 卡住的地方（真盲点） |\r\n|------|-------------------|---------------------|\r\n| 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 |\r\n| 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” |\r\n| 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” |\r\n| 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 | — |\r\n\r\n\r\n\r\n**举例 B：用四步法拆解“偿付能力充足率”**\r\n\r\n\r\n\r\n| 步骤 | 你实际会写下的内容 | 卡住的地方（真盲点） |\r\n|------|-------------------|---------------------|\r\n| 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 |\r\n| 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 |\r\n| 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” |\r\n| 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 | — |\r\n\r\n\r\n\r\n### 模型二：第一性理解\r\n\r\n- 第一类知识：知道名称 ≠ 真正理解\r\n- 能用类比解释？能预测陌生场景表现？能教给完全不懂的人？\r\n- 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”\r\n\r\n\r\n\r\n**类比检验的三道关（举例）**\r\n\r\n\r\n\r\n| 概念 | 类比尝试 | 类比能预测陌生场景吗？ | 判定 |\r\n|------|---------|----------------------|------|\r\n| 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 |\r\n| 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 |\r\n| 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 |\r\n| 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 |\r\n\r\n\r\n\r\n### 模型三：追问本质\r\n\r\n- “为什么？” 连续追问5层 → 剥离表象直达物理现实\r\n- 费曼：“我宁愿有无法回答的问题，也不愿有无法质疑的答案”\r\n- 证伪比证实更重要\r\n\r\n\r\n\r\n**举例：把“这家寿险公司利差损"},{"path":"_meta.json","content":"{\n  \"ownerId\": \"kn74e704j3ygjcygnpf02rdvd185js13\",\n  \"slug\": \"feynman-think-method\",\n  \"version\": \"2.1.2\",\n  \"publishedAt\": 1789967586442\n}"},{"path":"skill-card.md","content":"## Description:\n\nGuides agents to help users understand complex concepts through Feynman-style explanation, analogy, first-principles questioning, and understanding checks.\n\nThis skill is ready for commercial/non-commercial use.\n\n## Publisher:\n\n[gechengling](https://clawhub.ai/user/gechengling)\n\n### License/Terms of Use:\n\nMIT-0\n\n## Use Case:\n\nDevelopers and end users can use this skill to turn vague or partial understanding into teachable explanations, identify knowledge gaps, and structure follow-up research. It is most appropriate for learning, research preparation, problem diagnosis, and knowledge-management workflows rather than professional advice or real-time factual lookup.\n\n### Deployment Geography for Use:\n\nGlobal\n\n## Known Risks and Mitigations:\n\nRisk: Users may mistake conceptual reasoning support for verified financial, legal, medical, or current-market advice.\n\nMitigation: Frame outputs as learning aids and require qualified professional review plus source verification before relying on them for regulated or high-impact decisions.\n\nRisk: Users may provide personal, client, health, financial, or confidential business data while asking for examples or diagnosis.\n\nMitigation: Ask for minimized, desensitized, or abstracted inputs and avoid requesting credentials, account details, or sensitive identifiers.\n\nRisk: The artifact includes time-sensitive examples and external claims that may become stale or unverified.\n\nMitigation: Treat dates, figures, laws, market claims, and citations as prompts for source checking rather than authoritative facts.\n\n## Reference(s):\n\n- [ClawHub skill page](https://clawhub.ai/gechengling/skills/feynman-think-method)\n- [Publisher profile](https://clawhub.ai/user/gechengling)\n\n## Skill Output:\n\n**Output Type(s):** [text, markdown, guidance]\n\n**Output Format:** [Markdown or structured text with explanations, questions, examples, comparison tables, and self-check rubrics]\n\n**Output Parameters:** [1D]\n\n**Other Properties Related to Output:** [Produces reasoning aids and learning prompts; does not produce verified professional advice, real-time facts, credentials, code execution, or persistent state.]\n\n## Skill Version(s):\n\n2.1.2 (source: server evidence release.version and artifact identity)\n\n## Ethical Considerations:\n\nUsers should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment."}],"languages":[],"docsSourceLabel":"CLAWHUB","editorialOverview":"运用费曼学习法和物理思维，深入理解复杂概念，识别盲点，构建第一性原理认知，助力学习与问题诊断。 Skill: Feynman Think Method Owner: gechengling Summary: 运用费曼学习法和物理思维，深入理解复杂概念，识别盲点，构建第一性原理认知，助力学习与问题诊断。 Tags: feynman-think-method:2.1.2, latest:2.1.2 Version history: v2.1.2 | 2026-09-21T05:13:06.442Z | user 2.1.2: 四模型各补实战举例与对照表；新增费曼理解度自评表（7维度5列）；动态更新至2026-09-21并新增分析列；补充适用边界与数据最小化声明 v2.1.1 | 2026-06-28T13:21:18.371Z | auto - 新增“最新动态”和“投资思维最新动态”板块，展示AI技术应用与金融投资宏观框架的实时行业更新。 - 补充2026年最新达利欧、AI治理等事件，深化AI时代知识与投资风险提示。 - 丰富","editorialQuality":{"score":100,"threshold":65,"status":"ready","wordCount":858,"uniquenessScore":59,"reasons":[]}},"media":{"evidence":{"source":"no-media","verified":false,"confidence":"low","updatedAt":"2026-10-11T08:03:09.411Z","emptyReason":"No screenshots, media assets, or demo links are available."},"primaryImageUrl":null,"mediaAssetCount":0,"assets":[],"demoUrl":null},"ownerResources":{"evidence":{"source":"unclaimed","verified":false,"confidence":"low","updatedAt":"2026-10-11T08:03:09.411Z","emptyReason":"This page has not been claimed by the agent owner."},"hasCustomPage":false,"customPageUpdatedAt":null,"customLinks":[],"structuredLinks":{"docsUrl":null,"demoUrl":null,"supportUrl":null,"pricingUrl":null,"statusUrl":null},"customPage":null},"relatedAgents":{"evidence":{"source":"protocol-neighbors","verified":false,"confidence":"medium","updatedAt":"2026-10-11T10:50:23.534Z","emptyReason":null},"items":[{"id":"8ebccd8e-3863-4187-8355-c3f14e1f9edf","entityType":"agent","canonicalPath":"/agent/iofficeai-aionui","slug":"iofficeai-aionui","name":"AionUi","description":"Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!","url":"https://github.com/iOfficeAI/AionUi","homepage":"https://www.aionui.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-10-09T19:11:12.944Z","createdAt":"2026-02-25T03:38:16.584Z","downloads":null},{"id":"b917f68a-ebff-438e-84f8-3f4b2494c0bc","entityType":"agent","canonicalPath":"/agent/activepieces-activepieces","slug":"activepieces-activepieces","name":"activepieces","description":"AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents","url":"https://github.com/activepieces/activepieces","homepage":"https://www.activepieces.com","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-15T02:22:12.426Z","createdAt":"2026-02-25T03:38:12.412Z","downloads":null},{"id":"5cb26759-3a39-483f-94cf-276a98c13bb8","entityType":"agent","canonicalPath":"/agent/cherryhq-cherry-studio","slug":"cherryhq-cherry-studio","name":"cherry-studio","description":"AI productivity studio with smart chat, autonomous agents, and 300+ assistants. Unified access to frontier LLMs","url":"https://github.com/CherryHQ/cherry-studio","homepage":"https://cherry-ai.com","source":"GITHUB_REPOS","protocols":["MCP","OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-04-11T14:38:40.986Z","createdAt":"2026-02-25T03:38:19.379Z","downloads":null},{"id":"6f6582d0-5d76-4f0f-b81d-86520247950b","entityType":"agent","canonicalPath":"/agent/copilotkit-copilotkit","slug":"copilotkit-copilotkit","name":"CopilotKit","description":"The Frontend for Agents & Generative UI. React + Angular","url":"https://github.com/CopilotKit/CopilotKit","homepage":"https://docs.copilotkit.ai","source":"GITHUB_REPOS","protocols":["OPENCLAW"],"capabilities":[],"safetyScore":100,"overallRank":70,"updatedAt":"2026-03-25T09:50:57.846Z","createdAt":"2026-02-25T03:39:14.617Z","downloads":null}],"links":{"hub":"/agent","source":"/agent/source/clawhub","protocols":[{"label":"OpenClaw","href":"/agent/protocol/openclew"}]}}}