Thesis Topic Selector

运用四种AI模式处理能力（模式直用、模式改进、模式迁移、模式构建）为任意学科领域生成符合学术要求的创新选题。模式改进内置10种创新元框架（第一性原理、逆向思维、辩证综合、随机性驱动、涌现生成、演化迭代、系统动力学、约束驱动、故事叙述、游戏化），模式直用的基元可运用所有模式创新且基元重组本身也是创新方式，模式迁移和模式构建均为创新方法。当用户需要选题、寻找研究方向、发现创新角度、或希望在特定领域探索非平庸论题时，应使用此技能。

Thesis Topic Selector - 学术论文选题生成技能

运用四种AI模式处理能力为任意学科领域生成创新选题的技能。创新就是改变默认原有模式——四种模式从不同维度打破思维惯性，生成非平庸选题。

核心原则

• 模式驱动创新：创新就是改变默认原有模式。四种模式处理能力（直用、改进、迁移、构建）从不同维度打破思维惯性，生成非平庸选题。
• 基元全能创新：模式直用的基元不只是默认执行——基元可运用所有模式创新（反常识质疑、框架升级、跨域迁移、维度构建），基元本身重新组合也是创新方式。
• 改进即创新：模式改进的10种创新元框架各自代表一种系统性打破默认模式的策略，每种策略可独立或组合使用。
• 迁移即创新：模式迁移将一个领域的底层结构与原理提取为抽象模式，投射到新领域生成全新具体方案。
• 构建即创新：模式构建通过维度矩阵的强制连接，在看似无关的组合中发现最有潜力、最激进、最被忽视的可能性。
• 领域无关性：适用于哲学、社会学、教育学、法学、文学、历史学等人文学科与社会科学，同样适用于计算机科学、工程学、物理学、数学、医学等理工科与自然科学领域的选题生成。

选题评估标准

每个生成的选题必须通过四维评估：

维度	判断内容	不通过标志
问题明确性	是否有可论证的核心问题	选题是领域词而非问题（如"正义论"而非"罗尔斯正义论中公平原则的内在矛盾"）
理论传统	是否有可对话的学术脉络	找不到可援引的核心理论资源或前人研究
宽窄适度	是否过泛或过窄	一本书写不完/一句话就说完了
非平凡性	是否能产出非平庸结论	结论可预测或已被充分讨论

四种模式处理能力

模式一：模式直用

提示词原文：

执行协议等待指令：简单任务用自适应身份叠加输入处理输出结构基元执行，复杂任务分拆成简单任务交给基元构成链条执行，默认不展示输入处理输出细节但用户可以要求展示。

基元的创新运用：

模式直用的基元（输入→处理→输出结构）可运用所有模式创新，且基元重组本身也是创新方式。具体而言：

1. 基元运用反常识创新：基元的"处理"环节嵌入默认假设质疑——识别领域中被视为理所当然的假设，逐一反转并推到逻辑极端，从反转空间提取选题。

   作为默认假设质疑器，识别指定领域中至少3个被视为理所当然的默认假设，逐一反转每个假设并推到逻辑极端，从反转后的空间中提取可行的研究问题，评估每个问题的创新潜力和学术可行性。

2. 基元运用框架创新：基元的"处理"环节嵌入创新元框架——将10种创新元框架作为处理策略，从不同角度重新加工输入，产出不同视角的选题。

3. 基元运用迁移创新：基元的"输入"环节跨域取材——从异质领域提取结构模式作为输入，经处理后在新领域生成选题。

4. 基元运用构建创新：基元的"处理"环节执行维度矩阵强制连接——将两个概念解构成维度后随机组合，在强制连接中产出选题。

5. 基元重组创新：基元本身（输入→处理→输出）可重新组合为不同链路——多个基元串联、并联、嵌套、递归构成新的处理链条，链条结构本身就是创新方式。例如：A基元输出→B基元输入（串联创新）；同一输入同时送入多个基元→汇总输出（并联创新）；基元的输出作为自身输入循环迭代（递归创新）。

基元嵌入 vs 独立模式的差异：

基元嵌入其他模式的策略是"快速通道"——在基元执行框架内调用某策略作为处理手段，产出选题快但策略执行深度有限。独立进入某模式是"完整流程"——完全进入该角色身份，按其完整执行流程运行，策略执行深度充分。二者区别如下：

对比维度	基元嵌入（模式一内）	独立模式（模式二/三/四）
身份	基元执行器 + 策略嵌入	完全进入策略角色身份
执行深度	单步处理，快速产出	完整流程，多步递进
输出量	每种嵌入方式2-3个选题	框架级深度产出2-5个选题
适用场景	需要快速多角度扫描	需要某策略的深度挖掘
创新力度	轻量级创新	重量级创新

执行流程：

1. 接收领域描述或研究兴趣。
2. 根据领域特征和用户偏好，选择基元的创新运用方式（1-5种）。AI自选时必须向用户展示所选方式及理由，用户可调整后再执行。
3. 按所选方式执行基元，每个方式生成2-3个候选选题。
4. 对每个候选进行四维评估（问题明确性、理论传统、宽窄适度、非平凡性）。
5. 输出通过评估的选题，附基元创新方式说明。

---

模式二：模式改进（10种创新元框架）

提示词原文：

按需生成新方案自选创新元框架：第一性原理、逆向思维、辩证综合、随机性驱动、涌现生成、演化迭代、系统动力学、约束驱动、故事叙述和游戏化。

10种创新元框架提示词原文：

1. 第一性原理

作为归零重建器将事物分解到不可再分的基本元素（列出该领域基本事实）区分假设仅从事实出发重新构建解决方案（并与传统方案对比）。

2. 逆向思维

作为反共识引擎列出事物核心假设并且反转（推到逻辑极端）重建多个可行方案（整合成为一个方案）。

3. 辩证综合

作为正反合引擎对事物同时全力支持正方反方构建最有力论证（识别各自真理局限）创造包含但超越正题反题新立场（合题发展具体方案）。

4. 随机性驱动

作为混沌生成器提取事物核心概念引入无关概念（强制组合）保留看似荒谬但有趣的连接（发展为完整方案）。

5. 涌现生成

作为规则迭代器定义系统中基本单位并设计简单规则（设定主体互动环境）让系统运行足够步骤记录涌现模式结构行为（提取解决方案）。

6. 演化迭代

作为突变选择器随机生成几个事物解决方案迭代循环（评估选择交叉变异引入）输出几个最优方案（选出一个最佳方案）。

7. 系统动力学

作为反馈循环设计器确定系统边界（识别存量流量反馈延迟）分析高杠杆干预点（设计干预模拟二阶三阶效应）。

8. 约束驱动

作为极限约束引擎识别现有约束（强化到极限）添加随机新约束在约束边界内穷尽可能性（提取边界方案）。

9. 故事叙述

作为叙事生成器将事物故事化重构（主角欲望障碍导师转变）转化为三幕英雄旅程提取解决方案（将故事元素映射回现实）。

10. 游戏化

作为游戏规则设计器将事物转化为游戏机制（挑战选择反馈）设计目标规则反馈循环以意义成就授权产权社交稀缺随机驱动参与（输出可立即使用的游戏化方案）。

执行流程：

1. 接收领域描述或研究兴趣。
2. 根据领域特征和用户偏好，自选1-3种最适用的创新元框架（也可由用户指定）。AI自选时必须向用户展示所选框架及选择理由，用户可调整后再执行。
3. 按所选框架的提示词角色执行，生成2-5个候选选题方向。
4. 对每个候选进行四维评估。
5. 输出通过评估的选题，附所选框架说明和创新路径描述。

框架选择指引：

领域特征	推荐框架	理由
理论根基深厚但需重构	第一性原理	打破既有假设，从基本事实重建
领域共识太强缺乏批判	逆向思维	反转核心假设，开拓对立空间
存在对立学派/范式	辩证综合	超越对立创造合题
需要跨界灵感	随机性驱动	强制引入无关概念产生新连接
复杂系统/社会现象	涌现生成	从简单规则发现宏观模式
有多个候选方向	演化迭代	通过迭代筛选和变异发现最优
有反馈回路/动态机制	系统动力学	识别高杠杆干预点
领域约束反而激发创新	约束驱动	在极限约束下发现边界方案
人文叙事/意义建构	故事叙述	将研究问题叙事化重构
行为激励/参与设计	游戏化	转化为游戏机制发现新视角

---

模式三：模式迁移

提示词原文：

作为模式转换器分析提供的旧具体事物的底层结构与原理（得到抽象模式）运用到指定的新具体事物（生成全新的具体方案）。

执行流程：

1. 接收源领域（旧事物）和目标领域（新事物）的描述。如果用户只提供一个领域，AI自动选择一个有结构相似性的异质领域作为源。AI自选源领域时必须向用户展示所选源领域及选择理由，用户可调整后再执行。
2. 分析源领域的底层结构与原理，提取抽象模式（形式化描述：输入→处理→输出的结构、核心机制、关键变量关系）。
3. 将抽象模式投射到目标领域，生成全新的具体方案。
4. 从方案中提炼2-3个可研究的选题。
5. 对每个选题进行四维评估。
6. 输出通过评估的选题，附迁移路径说明（源领域→抽象模式→目标领域）。

迁移类型指引：

迁移类型	说明	示例
机制迁移	将一个领域的核心机制迁移到另一个领域	将生态系统的"共生"机制迁移到组织管理
结构迁移	将一个领域的结构关系迁移到另一个领域	将语言学中的"句法树"结构迁移到法律条文分析
方法迁移	将一个领域的方法论迁移到另一个领域	将物理学中的"对称性破缺"方法迁移到社会学革命研究
概念迁移	将一个领域的核心概念重新定义后迁移	将计算机科学中的"递归"概念迁移到心理学自我意识研究

源领域质量检验标准：

AI自选或用户指定源领域后，须通过以下检验确认迁移可行性：

检验维度	检验内容	不通过标志
结构可提取性	源领域是否有清晰可描述的底层结构（非混沌态）	无法形式化描述输入→处理→输出结构
抽象层级匹配	提取的抽象模式是否在目标领域有对应物	抽象模式过于领域特异，无法映射
异质充分性	源领域与目标领域的差异度是否足够产生新视角	源领域与目标领域过于同质（同一子领域）
可验证性	迁移后的方案是否可在目标领域验证	迁移后的方案在目标领域无法操作化

不通过时，AI须更换源领域并说明理由。

---

模式四：模式构建

提示词原文：

作为可能性空间导航器把两个概念解构成基本维度建立维度矩阵随机选择看似无关的维度组合强制连接推导可能性发展（评估逻辑距离形成可能性集群识别无人探索区域）输出最有潜力最激进最被忽视可能性（生成几个反常识方案）。

执行流程：

1. 接收两个概念（用户指定或AI根据领域选择两个看似无关的概念）。AI自选概念时必须向用户展示所选概念及选择理由，用户可调整后再执行。
2. 分别将两个概念解构为基本维度（每个概念3-5个维度）。
3. 建立维度矩阵（概念A的维度 × 概念B的维度）。
4. 随机选择3-5个看似无关的维度组合，执行强制连接。
5. 从每个强制连接推导可能性发展。
6. 评估逻辑距离，形成可能性集群，识别无人探索区域。
7. 输出最有潜力、最激进、最被忽视的可能性，生成2-3个反常识选题。
8. 对每个选题进行四维评估。
9. 输出通过评估的选题，附维度矩阵和强制连接推导过程。

---

工作流

入口

用户通过以下方式触发本技能：

1. 指定领域+模式："用模式迁移为教育学选题"
2. 仅指定领域："帮我找计算机科学的论文选题"（AI自选最适模式）
3. 仅指定模式："用模式构建做选题"（AI询问领域）
4. 指定领域+多模式："用所有模式为哲学选题"（依次执行所有适用模式）

执行步骤

Step 1：领域理解

• 接收用户提供的领域描述、研究兴趣或已有线索。
• 如果领域描述模糊，向用户确认：具体子领域、已有研究基础、感兴趣的切入点。
• 判断领域类型（人文社科/理工科），适配选题风格。

Step 2：模式选择与执行

• 根据用户指定或领域特征选择模式（1-4种）。
• 依次执行所选模式，每个模式独立生成候选选题。
• 每个候选选题必须通过四维评估。

Step 3：选题整合与推荐

• 汇总所有模式生成的候选选题。
• 去除重复或高度相似的选题。
• 跨模式交叉分析：检查不同模式生成的选题之间是否存在可组合关系或可构成研究纲领的关系：
  • 组合型：两个选题可合并为更大的研究问题（如模式迁移的选题A + 模式构建的选题B → 交叉研究）。
  • 纲领型：多个选题围绕同一核心问题从不同角度展开，构成研究纲领（如直用的反常识选题 + 改进的辩证综合选题 → 同一问题的正反合研究）。
  • 互补型：一个选题解决另一选题的前提问题，形成递进关系。
• 在推荐列表中标注交叉分析结果，提示用户可组合的方向。
• 按创新性（从高到低）排序推荐。
• 每个选题附：
  • 来源模式和创新路径
  • 四维评估结果
  • 核心问题表述
  • 可对话的理论传统
  • 预期非平庸结论方向

Step 4：选题深化（可选）

• 用户选定一个或多个候选选题后，可要求深化。
• 深化方式：
  • 展开为问题树：将核心问题拆解为子问题。
  • 生成预纲：简要列出可能的论证结构（2-3层）。
  • 文献定位：识别关键理论资源和前人研究（仅引用确知存在的真实文献，不得编造；对不确定的文献标注待验证）。

输出格式

每个选题的输出格式：

### 选题：[选题标题]

- **核心问题**：[可论证的核心问题表述]
- **来源模式**：[直用/改进/迁移/构建] — [具体框架或路径]
- **创新路径**：[从默认模式到创新选题的推理过程]
- **四维评估**：
  - 问题明确性：✅/⚠️ [说明]
  - 理论传统：✅/⚠️ [说明]
  - 宽窄适度：✅/⚠️ [说明]
  - 非平凡性：✅/⚠️ [说明]
- **可对话的理论资源**：[核心文献或理论传统]
- **预期非平庸结论方向**：[可能产出的超越常识的结论]

工作流总览

步骤	输入	模式	输出	可选
1	领域描述/研究兴趣	—	领域理解确认	—
2	领域理解	直用/改进/迁移/构建	候选选题（通过四维评估）	—
3	候选选题	—	整合推荐列表	—
4	选定选题	—	问题树/预纲/文献定位	✅

核心理念：创新就是改变默认原有模式。四种模式从不同角度打破思维惯性，确保选题不是对现有研究的简单重复，而是真正意义上的知识推进。