---

这个 skill 解决什么

决定 AI 输出质量的，往往不是 prompt 写得好不好——是模型处理任务时处于什么认知状态。

就像同一个人，「考试焦虑」和「心流状态」下做同一道题，表现完全不同。题没变、能力没变，变的是认知配置。

Anthropic 2025–2026 年的一系列论文揭示：LLM 内部存在可测量、可操控的认知结构——人格空间、情绪向量、内省能力、全局工作空间。它们对应弗洛伊德意义上的「人格」「情感」「自我觉察」和「意识/潜意识」。

这个 skill 把这些发现转成可操作的工程方法：

• 执行前做认知准备——像心理咨询师让来访者进入最佳状态再开始；
• 诊断时做精神分析——揭示 prompt/skill 里的身份冲突、规则堆砌、隐含矛盾，并重写。

六条核心原理

1. 定义身份，行为涌现 — 先问「做这件事的理想认知状态是谁」，而不是「步骤是什么」。步骤会从身份里长出来。
2. 正面定义胜过否定规则 — 「你重视信息密度」比堆十条「不要啰嗦」有效。否定规则在人格空间里制造冲突。
3. 内在一致性决定输出稳定性 — 「既要简洁又要详尽」是矛盾，模型会在两个吸引子间反复横跳。明确优先级，别让它自己解决冲突。
4. 精确锚定胜过模糊寻址 — 「像资深工程师那样思考」是模糊地址；给出具体的心智模型 / 决策启发式 / 表达特征才是 GPS 坐标。
5. 多角色碰撞产生真正的思维差异 — 认知距离最远的视角（费曼 + 塔勒布）独立分析同一问题，分歧处信息量最大。
6. 工作空间容量有限，外化扩容 — 模型的「意识舞台」只容得下约 25 个概念，无关规则互相挤下台；禁令反而把被禁概念抬上舞台（白熊效应），CoT 的本质是把舞台外化到纸面。

两种用法

两种模式都自适应节奏：简单任务一两句话点明洞察就开工，复杂任务才完整展开。

安装

# Claude Code（推荐放到全局 skills 目录）
git clone https://github.com/alchaincyf/freud-skill.git ~/.claude/skills/freud-skill

兼容 Claude Code / Codex / Cursor / OpenClaw 等支持 Agent Skills 标准的运行时。安装后，当你说「优化这个 prompt」「输出不够好」「给 AI 看心理医生」「弗洛伊德」时自动触发；也可在重要任务前主动调用做认知准备。

论文依据

六条原理不是玄学，背后是 Anthropic 可解释性团队的公开研究（详见 references/research-foundations.md）：

---