1. 道法自然
Dao Follows Nature / Wu Wei — 不是不作为，而是不逆作为
中文详解
"道法自然"常被误读为"什么都不做"。真意是：道效法事物自然如此的样子。"无为"（wu wei）不是不动，是不施加与系统梯度相反的力——让系统沿着自身的吸引子演化，再轻推一下方向。最大的输出来自最少的反向阻力。
非平凡洞见：① 工程师视角——任何复杂系统都有自己的"自然梯度"（损失函数、激励结构、用户习惯）。逆梯度的努力 90% 被系统稀释；顺梯度的小动作可以指数放大。② "无为"的真正难度不在做少，在识别哪里在白用力——多数人把"努力的感觉"当成贡献，但抵抗自然梯度的努力，本质上是在交摩擦税。③ 与"反脆弱"互补：反脆弱是从波动中获益，无为是在波动中不增加阻力——后者是前者的必要条件。
实操方法：决策前先问三个问题——① 这件事的"自然梯度"指向哪里（用户/市场/对方/孩子本来就想做什么）？② 我当前的力是顺还是逆？③ 如果只施加 10% 的力，最高杠杆点在哪？最有效的干预，往往是移除一个阻碍，而非添加一个推力。
经典例子：《庄子》庖丁解牛——刀十九年不钝，因为"依乎天理"，沿筋骨缝隙下刀，没有硬切。普通厨师一月换一刀（折），好厨师一年换一刀（割），庖丁刀如新。同样的工作，差别是顺势还是逆势。
场景 · BigCat：分布式系统中"强一致性"是逆梯度（要全局协调），"最终一致性"是顺梯度（让节点自然收敛）——前者付出可用性税，后者只需接受短暂不一致。AI 时代同理：好的 prompt 是顺着模型分布拉伸（few-shot 沿示例方向），差的 prompt 是要求模型违背训练分布做事。
育儿迁移：孩子拖延作业，逆梯度做法是反复催；顺梯度做法是识别她抗拒的具体环节（怕错？太长？无趣？），移除那个阻碍——5 分钟做一道、错了不评价、先做最容易的。同样的目标，前者你筋疲力尽她抵触，后者你几乎没用力她已经在做。
English Summary
Dao Follows Nature (道法自然) and Wu Wei mean "non-coercive action": don't push against the system's natural gradient — work with it. Most effort gets diluted because it resists the attractor of the system (incentives, user habits, learning dynamics). The discipline is identifying where you're paying friction tax against the gradient, and replacing additive pushes with the removal of frictions. Highest leverage often lies in subtraction, not addition.
AI Prompts
中文模板
我正在推进的事情是：[目标/项目]。
我当前的做法是：[做法]。
请用"道法自然/无为"框架分析：1) 这个系统的自然梯度指向哪里（涉及方的本来动机/习惯/激励）？2) 我目前哪些动作在逆梯度做功，正在交"摩擦税"？3) 如果把"添加推力"改为"移除阻碍"，最高杠杆的 3 个可移除点是什么？4) 给出一个"用 10% 力气达到 80% 效果"的最小行动。
English Template
I'm working on: [goal/project]. My current approach: [approach].
Apply the Wu Wei / Dao-Follows-Nature lens: 1) What's the natural gradient of this system (the underlying motivations, habits, incentives of the parties involved)? 2) Where am I currently pushing against the gradient and paying friction tax? 3) Reframe "add force" into "remove obstacle" — identify the 3 highest-leverage frictions to remove. 4) Suggest a minimal action that delivers 80% of the outcome with 10% of the effort.
2. 中庸之道
The Doctrine of the Mean (Zhongyong) — 不是折中，是动态最优
中文详解
"中庸"常被矮化为"和稀泥"。真意是在两个失败模式（过 / 不及）之间找当下情境的最优点，且这个点随情境漂移。它和亚里士多德的"黄金中道"几乎同构——勇敢 = 鲁莽与怯懦之间。但中庸更强调"时中"：随时机不同，最优点不在固定位置。
非平凡洞见：① 折中思维把"中"理解为静态平均（A 和 B 各 50%），中庸是动态最优（这个情境下，A 应当 73%）。前者是平庸的庇护所，后者是高手的判断。② 工程类比：中庸 ≈ 控制系统的变设定点——同一个 PID 在不同负载下用不同 setpoint，固定值就翻车。③ 与机器学习的 exploration vs exploitation 同构：过度探索浪费、过度利用陷入局部最优，最优比例随阶段变化。④ 中庸的最大敌人不是极端，是把上一次的最优点直接搬到这一次——情境变了，最优点必然漂移。
实操方法：① 任何重要选择都显式写出两个失败极端（过 vs 不及），而非"对 vs 错"。② 标定这个情境下影响最优点位置的关键变量（不是普适答案）。③ 周期性问"我现在的最优点，是不是上一阶段的遗物？"——很多人不是错了，是滞后了。
经典例子：《论语》"过犹不及"。子贡问师与商孰贤，孔子答"师也过，商也不及"——子贡追问"那是不是师贤？"孔子说"过犹不及"。两个失败模式同等糟糕，没有"宁可过一点"的安全边——这彻底打破了"极端总比中间安全"的常识。
场景 · BigCat：团队管理上，"强管控"与"完全放手"都是失败模式。中庸不是"管一半放一半"，是按团队当前成熟度动态调节——新人 80% 框架 + 20% 自主；高手反过来。把对资深团队的放手套到新团队，不是"中道"，是错位。
育儿：严厉型与放养型在不同年龄段最优点完全不同。学龄初期需要结构与确定性（偏严），青春期前后需要自主与试错（偏放）。多数家长的失败不是选错风格，是不更新——把 6 岁有效的方式用到 12 岁，再用到 16 岁。中庸要求你每隔几年重新校准设定点。
English Summary
The Doctrine of the Mean (中庸) is not splitting the difference — it's finding the context-dependent optimum between two failure modes (excess and deficiency). The optimal point drifts with context (time, stage, counterparty maturity). Treat it like a variable setpoint in a control system, not a fixed midpoint. The most common failure isn't picking an extreme — it's carrying yesterday's optimum into today's context.
AI Prompts
中文模板
我面对的选择是：[决策/状态]。
请用"中庸/时中"框架分析：1) 这件事的两个失败极端分别是什么（"过"与"不及"各长什么样）？2) 影响最优点位置的关键情境变量有哪些（阶段/对象/能力等级）？3) 在当前情境下，最优点更靠近哪一端？依据是什么？4) 我现在的做法，是不是上一个阶段的最优点的滞留？给一个本周可校准的小调整。
English Template
The choice I'm facing: [decision/state].
Apply the Doctrine of the Mean (中庸) lens: 1) Name both failure extremes (what "excess" and "deficiency" look like here). 2) Which context variables shift the optimum (stage, maturity, counterparty)? 3) Given the current context, which side is the optimum closer to, and why? 4) Is my current approach a leftover from a previous stage's optimum? Recommend one calibration this week.
3. 知行合一
Unity of Knowing and Doing (Wang Yangming) — 未行之知，非真知
中文详解
王阳明："知而不行，只是未知。"——他不是劝人多实践，是定义什么算"知"：能改变你行动的，才是真知；不能驱动行动的"知"，只是关于知的记忆。这是认识论级别的判定，不是道德劝勉。
非平凡洞见：① 工程类比——没运行过的代码不是代码，是对代码的描述。读了 100 篇论文不等于会 100 种方法，那只是 100 条 token 序列在你的记忆里。"真知"是已被你的行动验证、可被复用的结构。② 这解释了为什么大量阅读 ≠ 真懂：阅读时的"懂了"是低代价的认出，行动时的"懂了"是高代价的调用——两者在大脑中走的是不同回路。③ 与预测加工框架接合：你的"先验"只有被行动反复检验，才会被真正校准；只读不做，先验永远停留在低分辨率。④ 反过来也成立：行动会反向重塑"知"。王阳明龙场悟道不是在书斋里读出来的，是被流放、统兵打仗的处境逼出来的。
实操方法：① 把任何"已知"加一道闸——你最近一次因这个知而改变行动是什么时候？说不出就降级为"听过"。② 学新东西时，48 小时内做一次最小的真实应用（不是练习题，是有真实代价的场景）。③ 警惕"知识囤积"陷阱：收藏夹/标记的内容 ≠ 你的能力。能力只能用行动定义。
经典例子：王阳明早年"格竹"七日——按朱熹"格物穷理"对着竹子静坐推究，病倒而无所得。多年后被贬贵州龙场，置身荒蛮、九死一生，必须靠行动活下去——在这种境地中悟出"心即理""知行合一"。书斋里穷尽不了的理，被实践逼出来了。这是知行合一最戏剧化的自我证明。
场景 · BigCat：AI 时代"知"的通货膨胀最严重——每天可以读 50 篇高质量内容、看 10 个教程，但能改变你下一行代码、下一次决策、下一次对话的，可能不到 1 条。AI 超级个体的真壁垒，不是输入量，是输入-行动转化率。一个本周可用的检验：列出本周读过/看过印象最深的 5 件事，逐条问"它改变了我的什么行动？"——大概率多数答不上来。
育儿迁移：读了再多育儿书，孩子下一次发脾气时你的反应才是真知。把每次冲突当成"知"的考试——这次反应和书里的差距，就是你的真实知识边界。差距点是下次读书的真正目标，而非又开一本新书。
English Summary
Wang Yangming's Unity of Knowing and Doing (知行合一) is an epistemological claim, not a motivational slogan: what cannot move your action is not knowledge — it's a memory about knowledge. Recognition during reading is cheap; retrieval during action is the real test. Treat unused "knowing" as a leftover artifact, and audit any claim of knowledge by the last action it actually changed.
AI Prompts
中文模板
我最近"学到"的东西是：[知识/理论/方法]。
请用"知行合一"框架做真知审计：1) 这个知识在过去 7 天具体改变了我的哪个行动？如果没有，是真知还是"关于知的记忆"？2) 它在我当前的处境中，最小的真实应用场景是什么（不是练习，是有代价的真场景）？3) 设计一个 48 小时内的"行动试金石"，让这个知接受现实检验。4) 行动后，可能反向更新这条知的哪些细节？
English Template
Something I recently "learned": [knowledge/theory/method].
Apply Wang Yangming's Unity of Knowing and Doing audit: 1) Which specific action of mine has this changed in the last 7 days? If none, is this real knowing or just a memory about knowing? 2) What's the smallest real-stakes (not practice) application in my current context? 3) Design a 48-hour "action litmus test" that lets reality check this knowing. 4) After acting, what aspects of the original knowledge are likely to need revision?
4. 空性与缘起
Emptiness & Dependent Origination (Śūnyatā / Pratītyasamutpāda) — 没有"东西"，只有"关系"
中文详解
佛学"空性"不是"什么都没有"，而是没有独立自存的"东西"——一切现象都是条件聚合的暂时显现（缘起）。佛陀的标准公式："此有故彼有，此生故彼生。"翻译为现代语言："物"只是关系网络中的稳定模式，不是关系背后的某个实体。
非平凡洞见：① 与系统思维直接连通——一旦放下"对象有独立本质"的假设，系统视角自然涌现：你看到的是节点之间的关系，而不是节点本身的属性。② 与现代物理学高度同构——量子场论里"粒子"是场激发的稳定模式，不是小球；神经科学里"自我"是默认模式网络生成的叙事，不是某个核心。"实体幻觉"是大脑的压缩输出，不是世界的属性。③ 工程类比：OOP 的"对象封装"恰好掩盖了这一点——bug 多数不在某一个类里，而在类之间的关系里；性能瓶颈不在某一节点，而在调用图的结构里。看见"空"，等于卸下了"它一定有个根源"的执念，直接看关系。④ 心理学应用——情绪不是"我的"属性，是（情境 × 身体状态 × 解读 × 历史）的暂时汇聚。这不是文字游戏，是可以让你不被情绪劫持的杠杆。
实操方法：① 遇到"X 是 Y"（他就是这样的人 / 我就是这种性格 / 这个项目就是不行）时，把"是"换成"在当前条件下显现为"——立刻看见可干预的条件。② 调试问题时先问"这是哪些条件聚合出来的？"而非"这是谁的错"。③ 对身份认同（"我是 X"）打个问号——身份是模式不是本质，模式可重塑。
经典例子：《弥兰陀王问经》的"车喻"：那先比丘问国王"什么是车？"——车轮？车轴？车架？都不是车。但拆完所有零件，也没有一个"车本身"剩下。"车"只是这些部件在特定关系结构下的指称。同样的论证用在"我"上：身体、感受、念头、意识，没有一个是"我"，但它们的组合就是我们日常说的"我"。这是空性最干净的还原。
场景 · BigCat：LLM 的"智能"不在权重里——同一组权重，没有 context、prompt、user 就只是数字。智能是 (权重 × 上下文 × 提示 × 使用者) 的关系性涌现。理解这点你才能停止问"模型懂不懂 X"这种实体式问题，转而问"在什么提示结构下，它能可靠产出 X"——后者是工程上可操作的。
育儿迁移：把"她是个内向的孩子 / 她数学不好"这类实体式标签换成"在这种情境组合下，她显现为 X"——立即看见可调的条件（疲劳？社交陌生度？讲解方式？）。标签是封闭的判决，缘起是开放的工程空间。同样适用于自己——"我不擅长 X"换成"在过去的条件聚合下，我未培养 X"，瞬间从命运变成项目。
English Summary
Emptiness (śūnyatā) and Dependent Origination (pratītyasamutpāda) reject the assumption that things have independent self-nature. Every phenomenon is a temporary pattern arising from conditions — a node in a relational graph, not an essence behind the graph. This dissolves the false stability of identity-style labels ("she IS X", "this project IS Y") into engineering questions ("under which conditions does X manifest?"), and is structurally cognate to systems thinking, quantum field ontology, and the predictive-processing view of the self.
AI Prompts
中文模板
我正在用一个实体式判断看待：[人/项目/自己/某情境]——具体标签是：[X 是 Y]。
请用"空性/缘起"框架重构：1) 把"X 是 Y"翻译成"在哪些条件聚合下，X 显现为 Y"——列出 5 个关键条件维度（情境/身体/历史/关系/解读）。2) 这些条件中，哪 2-3 个是可以被我直接干预的？3) 给出一个"调整某个条件，让 Y 变化"的最小实验。4) 我对这个判断的执取（认为它是本质），让我错过了什么观察？
English Template
I'm holding an essence-style judgment: [person/project/self/situation] — specifically the label: [X IS Y].
Reframe via Emptiness & Dependent Origination: 1) Translate "X is Y" into "under which conditions does X manifest as Y" — enumerate 5 condition dimensions (situation, body state, history, relations, interpretation). 2) Which 2-3 of these conditions are directly within my influence? 3) Design a minimal experiment that varies one condition to see Y shift. 4) What observation has my attachment to this essence-judgment caused me to miss?