Latticework Mental Models

当用户分析复杂问题时只用了单一视角(如纯财务/纯技术/纯市场),或面对跨领域问题缺乏分析框架时激活。典型触发信号:用户说"我只懂XX方面""这个问题好像是XX问题"但明显只用了一个学科的解释。不适用于用户已经有成熟的多维度分析框架且正在有效使用的场景,也不适用于纯执行层面的简单任务。

49 stars 16 forksAI, LLMs & Agents

Install

skills CLI (Claude Code, Cursor, Codex and more)
npx skills add kangarooking/poor-charlies-almanack-skill --skill latticework-mental-models
Manual install
git clone --depth 1 https://github.com/kangarooking/poor-charlies-almanack-skill.git /tmp/poor-charlies-almanack-skill
mkdir -p ~/.claude/skills
cp -r /tmp/poor-charlies-almanack-skill/latticework-mental-models ~/.claude/skills/latticework-mental-models

Personal skills live in ~/.claude/skills. Use .claude/skills in a project folder to share a skill with your team.

From the SKILL.md

# 多元思维模型框架 (Latticework of Mental Models)

## R — 原文 (Reading)
> "你必须把经验悬挂在头脑中的一个由许多思维模型组成的框架上。"思维模型是什么呢?第一条规则是,你必须拥有多元思维模型——这些模型必须来自各个不同的学科。"在手里拿着铁锤的人看来,每个问题都像钉子。"
>
> — 查理·芒格, 第二讲(论基本的、普世的智慧)

---

## I — 方法论骨架 (Interpretation)
从数学、工程学、物理学、化学、生物学、心理学、经济学等核心学科中提取约100个
基本模型,将它们悬挂在一个相互关联的思维框架上。关键不是分别掌握各学科知识,
而是能将跨学科模型组合使用来解决实际问题。没有这个框架,人会陷入"铁锤人倾向"
——手里只有锤子,看什么都像钉子。约100个模型中"非常重要的只有几个",不必
均等学习,而要抓住关键少数。模型必须经常使用,"如果你不经常使用它们,你就会
丧失它"——技能退化是必然的,必须终身操练。

---

## A1 — 书中的应用 (Past Application)
### 案例 1: 可口可乐2万亿美元思维实验
- **问题**: 如何从1884年起白手起家建立一个价值2万亿美元的饮料企业
- **方法论的使用**: 芒格综合运用心理学(条件反射/社会认同)、生物学(达尔文进化论)、微观经济学(规模优势/品牌)等多个学科模型进行推演
- **结论**: 跨学科模型的联合运用能够推演出单一学科完全无法触及的商业洞察
- **结果**: 提供了多元思维模型系统化分析商业问题的完整方法论演示;可口可乐实际市值验证了该分析框架

### 案例 2: 伯克希尔纺织厂的"第二步分析"
- **问题**: 是否应该购买效率翻倍的新纺织机
- **方法论的使用**: 同时用工程学模型(技术效率)和经济学模型(竞争性市场中的利润分配)分析,发现技术改进带来的成本降低最终全部流向消费者,厂家什么好处也得不到
- **结论**: 单用工程学模型会得出"效率越高越好"的错误结论;只有叠加经济学模型才能看清真相
- **结果**: 伯克希尔最终关闭了纺织厂,避免了持续亏损

### 案例 3: 芒格帮助巴菲特突破格拉汉姆局限
- **问题**: 巴菲特长期深陷格拉汉姆"只买便宜货"的单一思维
- **方法论的使用**: 芒格引入更丰富的分析模型,帮助巴菲特从纯财务低估框架转向综合评估企业质量、管理层、品牌等多维度
- **结论**: 单一学科视角(纯财务分析)必然导致铁锤人倾向,必须拓展思维模型体系
- **结果**: 伯克希尔从数百万美元成长为数千亿美元,绝大部分钱来自"买伟大企业"

---

## A2 — 触发场景 (Future Trigger) ★
### 用户会在什么情境下需要这个 skill?
1. 分析一个商业/技术/组织问题但只用了一个维度的解释框架(如只看财务、只看技术、只看市场)
2. 面对复杂现象,现有的分析工具无法解释全部观察到的现象("总觉得还缺了什么")
3. 需要评估一个决策的全面影响(一阶、二阶效应)而非只看直接后果
4. 学习新领域时需要快速建立多维度的认知框架

### 语言信号 (用户的话里出现这些就应激活)
- "这个问题应该就是XX方面的问题"
- "我主要是从XX角度来看的"
- "我不太懂XX领域,所以没法判断"
- "这个问题的核心原因是XX"(只给出了单一原因)
- "感觉分析不够全面,但不知道还缺什么"
Read the full skill on GitHub

Details

Skill name
latticework-mental-models
Path
latticework-mental-models/SKILL.md
License
MIT
Repo updated
17 April 2026

FAQ

What does the Latticework Mental Models skill do?

当用户分析复杂问题时只用了单一视角(如纯财务/纯技术/纯市场),或面对跨领域问题缺乏分析框架时激活。典型触发信号:用户说"我只懂XX方面""这个问题好像是XX问题"但明显只用了一个学科的解释。不适用于用户已经有成熟的多维度分析框架且正在有效使用的场景,也不适用于纯执行层面的简单任务。

How do I install the Latticework Mental Models skill?

skills CLI (Claude Code, Cursor, Codex and more): npx skills add kangarooking/poor-charlies-almanack-skill --skill latticework-mental-models. Skills go in ~/.claude/skills (personal) or .claude/skills (project), and Claude loads them automatically when a task matches the description.

Is Latticework Mental Models popular?

It lives in kangarooking/poor-charlies-almanack-skill, which has 49 GitHub stars and 16 forks.

Related skills

Checklist Decision

49

kangarooking/poor-charlies-almanack-skill

当用户面临重要决策且需要系统化排查遗漏、用户过度自信于自己的经验/判断力、用户是领域专家但正在处理复杂或高风险情境、或用户需要将自己的思维模型编排为可重复的决策流程时激活。典型触发信号:用户说"我很有经验,不需要清单";用户在高压环境下做决策;用户承认"事后发现遗漏了关键因素"。不适用于简单、低风险的日常小决策或纯创意/探索性思考。

Other16

Circle of Competence

49

kangarooking/poor-charlies-almanack-skill

当用户考虑进入自己不熟悉的领域做决策,或需要判断自己是否真正"理解"某件事时激活。典型触发信号:用户说"我可以学""应该差不多""这个不难"但缺乏相关领域的深度经验。不适用于用户已在领域内有长期成功记录且正在圈内行动的场景,也不适用于需要冒险试错才能拓展边界的早期探索阶段。

Other16

Darwinian Objectivity

49

kangarooking/poor-charlies-almanack-skill

当用户已形成强烈观点或理论,需要检验其可靠性时调用。典型触发信号:确认偏见、只看支持性证据、对新证据本能排斥、"我觉得这肯定是对的"、需要做重大判断前的自我审查。不适用于需要快速决策的紧急场景,也不适用于纯信息收集阶段(尚无观点时不需要证伪)。

Other16

Pannelai Chat

49

rusmanadodi2598/pannelAI

Chat and code generation through pannelAI, in the OpenAI chat completions, Anthropic messages, or OpenAI Responses wire format, streamed or not. Covers the model field, streaming, combo routing, and the vision adapter. Use when a client needs an LLM answer from the gateway.

AI, LLMs & Agents

Hardware Agent

43

NVIDIA/AI-Factory-Operations-Agent

Triage hardware faults on NVIDIA GPU compute nodes through the Hardware Agent. Starting a triage is read-only log collection and hardware_analyze_dut is available in View mode; never require Edit or Auto. Before asking to start any fresh NVDebug collection, you MUST say: 'A fresh NVDebug collection can take 5-30 minutes. Do you want me to start it?' Stop and wait for the next user response. An ordinary affirmative such as yes, let's go, do it, or proceed is sufficient; start immediately without demanding formal confirmation or asking twice. Use recent Hardware Agent triages for quick answers w

AI, LLMs & Agents18

Pannelai Embeddings

49

rusmanadodi2598/pannelAI

Embeddings through pannelAI. Covers POST /api/v1/embeddings, the provider/model string, the input field, and the OpenAI embeddings answer with its usage block. Use when a client needs vectors for RAG or semantic search from the gateway.

AI, LLMs & Agents

Browse the most popular Claude skills, all ai, llms & agents skills, or write your own with the skills generator.