输入处理输出结构递归嵌套模型
哲学基础
IPO（Input-Process-Output）是万物的基元结构，是世界模型，是认知方法，也是改造方法。
核心主张：
- 一切事物、一切过程、一切系统，均可视为 IPO 的实例或 IPO 的组合
- IPO 可以递归嵌套：任意层级的 Input、Process、Output 本身都可以是另一个 IPO
- 人工智能看待世界、分析问题、生成产物、调用工具，均应使用此模型
不是什么：
- 不是某种编程设计模式
- 不是某个领域的方法论
- 是跨领域的、元层的、统一的认知与执行框架
模型定义
基本结构
┌─────────────────────────────────────────────────┐
│ IPO 单元 │
│ │
│ Input ──→ Process ──→ Output │
│ ↑ │ │
│ └──── 反馈 ←────────────┘ │
│ │
│ 其中任意节点均可展开为子IPO │
└─────────────────────────────────────────────────┘
三要素详解
| 要素 | 含义 | 示例 |
|---|
| Input | 进入系统的全部条件、数据、约束、上下文 | 用户需求、文件内容、API返回、前一步Output |
| Process | 对Input执行的全部变换操作 | 思考推理、计算分析、代码执行、工具调用 |
| Output | Process产生的一切结果、产物、副作用 | 文本回答、代码文件、图表、状态变更、新IPO |
递归嵌套
IPO的真正威力在于递归：任意层级的任意节点，都可以继续展开为完整的IPO。
IPO (顶层任务)
├── Input
│ └── IPO (收集信息)
│ ├── Input: 用户原始请求
│ ├── Process: 解析意图、识别约束
│ └── Output: 结构化需求描述
├── Process
│ └── IPO (核心执行)
│ ├── Input: 结构化需求描述
│ ├── Process:
│ │ └── IPO (子任务1)
│ │ ├── Input: ...
│ │ ├── Process: ...
│ │ └── Output: ...
│ │ └── IPO (子任务2)
│ │ └── ...
│ └── Output: 中间结果集
└── Output
└── IPO (产物交付)
├── Input: 中间结果集
├── Process: 格式化、整合、验证
└── Output: 最终交付物
嵌套深度无上限，直到某层足够简单，直接执行即可（基元层）。
基元层
递归展开的终止条件——当前IPO已足够简单，可直接执行，无需继续拆解。
基元层的Process只有两类：
| 模式 | 含义 | 执行方式 |
|---|
| 纯认知 | 大语言模型直接完成 | 推理、分析、创作，无需工具 |
| 工具调用 | 需要外部工具辅助 | 生成command/script/Tool/Skill/MCP |
执行协议
核心原则
简单任务用单个IPO基元执行；复杂任务递归展开为IPO树，每个节点是一个基元，基元之间构成执行链条。
默认不展示IPO展开细节，用户可要求展示。
两种执行模式
用户任务
│
├─ 不需要工具？ ──→ IPO分析 → LLM直接生成Output
│
└─ 需要工具？ ──→ IPO分析 → LLM生成产物
│
└─ 产物的IPO进一步展开 →
生成 command / script
调用 Tool / Skill / MCP
模式A：纯认知执行（不使用工具）
Input: 接收用户需求
Process: 大语言模型直接分析、推理、创作
Output: 生成文本/方案/分析/代码等产物
适用场景：写作、分析、推理、规划、翻译、总结、代码生成等LLM原生能力可覆盖的任务。
模式B：工具增强执行（使用工具）
在模式A的基础上，Output阶段的产物需要通过工具落地时：
Input: 接收用户需求
Process: IPO分析 → 生成产物方案
Output: 产物的IPO → 选择工具层级 → 生成命令/脚本/调用
工具层级（由简到繁）：
command ← 单条命令行指令，最轻量
script ← Python/Shell脚本，需要多步逻辑
Tool ← 内置工具（文件读写、搜索、网页等）
Skill ← 已安装技能（领域专业知识+工作流）
MCP ← 外部MCP服务（连接第三方系统）
工具选择策略：
| 优先级 | 工具层级 | 选择条件 |
|---|
| 1 | command | 单条指令可解决 |
| 2 | script | 需要多步逻辑、循环、条件判断 |
| 3 | Tool | 内置工具已覆盖该能力 |
| 4 | Skill | 有对应领域技能且需要其专业工作流 |
| 5 | MCP | 需要连接外部系统/服务 |
降级原则：能低层解决的不升高层——能用command的不写script，能用Tool的不调Skill。
IPO分析工作流
第一步：接收与理解（Input）
Input的IPO：
├── 识别：用户说了什么？真正要什么？
├── 提取：关键约束、期望格式、隐含需求
├── 评估：复杂度判断（单IPO / 多IPO链 / IPO树）
└── Output：结构化任务描述
第二步：分析与规划（Process）
Process的IPO：
├── 判断：是否需要工具？（模式A or 模式B）
├── 若模式A：直接进入生成
├── 若模式B：规划工具调用方案
│ ├── 哪些步骤需要工具？
│ ├── 每步用什么层级？
│ ├── 工具之间有无依赖？
│ └── 生成调用序列
└── Output：执行计划
第三步：执行与交付（Output）
Output的IPO：
├── 模式A：LLM直接生成产物
├── 模式B：
│ ├── 按序列调用工具
│ ├── 每步检查结果
│ ├── 异常时调整计划
│ └── 汇总所有工具输出
├── 整合：格式化、验证、补充
└── Output：最终交付物
实战示例
示例1：纯认知（翻译文章）
IPO (翻译文章)
├── Input: 用户提供的原文 + 目标语言
├── Process: 直接由LLM完成
│ └── 基元层：无需继续拆解
└── Output: 翻译后的文本
示例2：工具增强（批量重命名文件）
IPO (批量重命名)
├── Input:
│ └── IPO (收集信息)
│ ├── Input: 用户描述的规则
│ ├── Process: 解析命名规则、确定目标目录
│ └── Output: 目录路径 + 命名规则 + 文件列表
├── Process:
│ └── IPO (生成脚本)
│ ├── Input: 上一步的Output
│ ├── Process: LLM生成Python重命名脚本
│ └── Output: Python脚本文件
├── Output:
│ └── IPO (执行与验证)
│ ├── Input: Python脚本
│ ├── Process: 执行脚本 → 检查结果 → 如有错误则修复
│ └── Output: 重命名结果报告
工具选择：script层（需要循环+条件判断，单条command不够）
示例3：工具增强+技能调用（生成PPT报告）
IPO (生成PPT报告)
├── Input:
│ └── IPO (数据准备)
│ ├── Input: 用户的报告主题
│ ├── Process: 搜索相关数据、整理素材
│ └── Output: 结构化的报告内容
├── Process:
│ └── IPO (调用pptx技能)
│ ├── Input: 报告内容
│ ├── Process: use_skill "pptx" → 生成PPT文件
│ └── Output: PPT文件路径
├── Output:
│ └── IPO (交付)
│ ├── Input: PPT文件
│ ├── Process: 打开预览/发送给用户
│ └── Output: 交付的PPT
工具选择：Skill层（有pptx技能覆盖，直接调用）
示例4：复杂IPO树（数据分析+可视化+报告）
IPO (数据分析全流程)
├── Input
│ ├── IPO (获取数据)
│ │ ├── Input: 数据源描述
│ │ ├── Process: 调用API/读取文件
│ │ └── Output: 原始数据
│ └── IPO (理解需求)
│ ├── Input: 用户分析目标
│ └── Output: 分析指标清单
├── Process
│ ├── IPO (清洗数据) → script
│ │ ├── Input: 原始数据
│ │ ├── Process: Python脚本清洗
│ │ └── Output: 干净数据
│ ├── IPO (统计分析) → 纯认知
│ │ ├── Input: 干净数据
│ │ ├── Process: LLM分析
│ │ └── Output: 分析结论
│ └── IPO (生成图表) → script
│ ├── Input: 干净数据
│ ├── Process: Python matplotlib
│ └── Output: 图表文件
└── Output
└── IPO (组装报告) → Skill
├── Input: 分析结论 + 图表
├── Process: 调用docx技能生成报告
└── Output: Word报告文件
展示协议
默认不展示IPO展开细节，直接给出最终结果。用户可通过以下方式触发展开：
| 触发 | 行为 |
|---|
| "展示IPO" / "展开分析" | 展示完整IPO树结构 |
| "展示Process" | 只展开处理层的子IPO |
| "怎么做到的" | 展示执行路径和工具选择理由 |
| "用IPO分析" | 以IPO框架重新组织分析过程 |
展示格式（默认使用文本树）：
IPO: [任务名]
├── I: [输入描述]
├── P: [处理描述]
│ └── IPO: [子任务1]
│ ├── I: ...
│ ├── P: ... [工具: script]
│ └── O: ...
│ └── IPO: [子任务2]
│ └── ...
└── O: [输出描述]
文件结构
ipo-model/
├── SKILL.md 🔒 核心（本文件）
└── references/
└── examples.md ✏️ 实战案例积累
SKILL.md 定义模型本身，不变。references/ 积累具体领域的IPO分析案例。
