認知解構學模組組合方法論 I

全景—核心—過程—雙界四聯動框架

英文名稱：Cognitive Deconstructionism Module Composition Methodology I: Panoramic–Core–Process–Boundary Framework
簡稱：PCPB Framework
作者：Neo.K
機構：EveMissLab／一言諾科技有限公司
文件性質：正式方法論／模組組合教學／操作協議
版本：v1.0
日期：2026-07-17

摘要

《認知解構學》既有方法論已建立多個可獨立操作的認知模組，但過去主要聚焦於各模組的定義、內核、運行方式、適用場景與雙界約束，尚未正式建立「多模組如何共同工作」的組合方法論。這造成一項實際缺口：使用者可能知道每個模組是什麼，卻不知道應當先用哪一個、何時切換、如何交換中間結果、何時回退，以及如何避免模組彼此重複、互相抵消或共同放大偏誤。

本文建立《認知解構學》的第一套正式模組組合教學，並以四個方法的聯動作為標準案例：

多維度超宏觀多面分析（MDHMA）：建立全景候選因素空間；
核心量化推理——關鍵影響鏈與領域人群型（CQR-IC）：分配有限注意力並提取高影響節點；
無限宏微觀過程敘述法（IMMPN）：把因素與節點縫合為跨時間、跨尺度的因果過程；
雙界約束（DBC）：限制概念、證據、因果與預測的合法外延。

四者的基本聯動不是簡單相加，而是一個具備回退、重排與重展開能力的循環：

\boxed{ \text{全景展開} \rightarrow \text{核心定核} \rightarrow \text{過程縫合} \rightarrow \text{雙界校驗} \rightarrow \text{回饋重算} }

本文進一步提出「模組接口契約」、「問題簽名」、「五種模組組合型態」、「回退條件」、「輸出強度階梯」與「最小可執行協議」，使《認知解構學》從模組集合升級為可編排、可審計、可教學、可由人類或 Agent 執行的認知系統。

關鍵詞： 認知解構學、模組組合、核心量化推理、雙界約束、MDHMA、IMMPN、關鍵影響鏈、領域人群分析、因果連續性、Agent 方法論

第一部　為什麼需要模組組合方法論？

一、擁有模組，不等於擁有系統

單一模組回答的是：

面對某種類型的認知困難，應採用什麼運算？

模組組合回答的則是：

面對一個同時包含多種類型困難的真實問題，應如何調度多個運算？

若缺乏組合方法，使用者容易出現以下問題：

對所有問題固定使用最熟悉的模組；
同時啟用大量模組，卻沒有先後順序；
不同模組反覆處理同一資料，造成資訊冗餘；
某一模組的輸出格式無法成為下一模組的輸入；
分析失敗時，不知道應回到哪個步驟；
結論很長，卻無法指出每一段由哪個模組產生；
模組名稱成為修辭，而非真正的運算單元。

因此，《認知解構學》不能只是一組方法的百科全書，而必須成為：

\text{Module Set} + \text{Routing Policy} + \text{Interface Contract} + \text{Feedback Control}

亦即：

\boxed{ \text{認知解構學系統} = \text{模組} + \text{編排} + \text{接口} + \text{回饋} }

二、模組不是章節，而是算子

本文將每一個認知模組定義為算子：

M_i:\mathcal X_i\rightarrow\mathcal Y_i

其中：

$\mathcal X_i$ ：模組可以接受的輸入狀態；
$\mathcal Y_i$ ：模組完成後產生的輸出狀態；
$M_i$ ：把前者轉換成後者的操作。

例如：

\mathrm{MDHMA}: \text{問題} \rightarrow \text{全景因素空間}

\mathrm{CQR\text{-}IC}: \text{全景因素空間} \rightarrow \text{核心節點與影響鏈}

\mathrm{IMMPN}: \text{核心節點與多尺度資料} \rightarrow \text{過程轉換鏈}

\mathrm{DBC}: \text{概念與推論集合} \rightarrow \text{合法結論區、邊界區與排除區}

模組組合因此可表示為算子複合：

M_{4}\circ M_{3}\circ M_{2}\circ M_{1}

但真實問題通常不是單向函數，故還需要：

M_i \rightleftarrows M_j

表示錯誤回退、權重更新與重新展開。

第二部　名稱消歧：兩種「核心量化推理」不可混同

三、既有名稱衝突

《認知解構學》既有文本中的「核心量化推理模組」主要處理：

抽象概念拆解；
變項定義；
結構映射；
隱性參數的代理量化；
語義張力場轉換。

本文所使用的「核心量化推理」則來自另一套較早的方法，其核心是：

核心人物或事件識別；
關鍵影響鏈追蹤；
言論與行動的結構化分析；
領域人群的廣域取樣；
個體訊號與群體趨勢的交叉校正；
對現實動態進行方向性預測。

兩者名稱相同，但運算對象不同。

為避免後續混淆，本文暫採以下區分：

1. 語義量化型核心量化推理

\mathrm{CQR\text{-}S}

其中 $S$ 表示 Semantic。

它處理：

\text{抽象概念} \rightarrow \text{可比較結構}

2. 影響鏈型核心量化推理

\mathrm{CQR\text{-}IC}

其中 $IC$ 表示 Influence Chain。

它處理：

\text{現實因素與行動者} \rightarrow \text{核心節點、影響鏈與領域趨勢}

本文四聯動框架中的核心量化推理，一律指：

\boxed{\mathrm{CQR\text{-}IC}}

未來若正式重新命名，可再另行修訂；在此之前，必須保留後綴以維持方法論可審計性。

第三部　模組組合的一般理論

四、問題簽名：先判定問題需要什麼運算

在調用模組前，應先建立問題簽名：

\Sigma_Q = (O,T,S,D,U,R,C)

其中：

$O$ ：分析對象（Object）；
$T$ ：時間結構（Time）；
$S$ ：尺度層級（Scale）；
$D$ ：資料狀態（Data）；
$U$ ：不確定性（Uncertainty）；
$R$ ：風險與後果（Risk）；
$C$ ：資源約束（Constraint）。

問題簽名用來判定是否需要：

全景展開；
核心壓縮；
過程追蹤；
邊界限制；
模擬；
逆推；
語義重編；
多視角衝突。

例如，一個高風險、跨尺度、資料不完整且涉及多個行動者的問題，簽名可能是：

\Sigma_Q = (\text{多主體}, \text{動態}, \text{跨尺度}, \text{異質資料}, \text{高不確定}, \text{高風險}, \text{有限時間})

這類問題就適合啟動本文四聯動框架。

五、模組接口契約

每個模組必須具備一份接口契約：

\Gamma(M) = (I,O,A,F,E,R)

其中：

$I$ ：允許輸入（Input）；
$O$ ：標準輸出（Output）；
$A$ ：核心假設（Assumptions）；
$F$ ：失敗條件（Failure Conditions）；
$E$ ：證據要求（Evidence Requirements）；
$R$ ：回退路徑（Rollback Route）。

模組不能只說「我能做什麼」，還必須說：

什麼情況下，我的結果不能被信任？

例如 CQR-IC 的失敗條件包括：

核心人物只是媒體可見度高，實際決策權低；
公開言論與內部行動嚴重分離；
領域取樣過度同質；
代理指標沒有真正代表影響力；
將相關性誤認為控制力。

若觸發失敗條件，系統不得直接進入結論，而應返回 MDHMA 或補充證據。

六、五種模組組合型態

1. 串聯型

M_1\rightarrow M_2\rightarrow M_3

上一模組輸出直接成為下一模組輸入。

適用於：

任務步驟清楚；
各模組角色不重疊；
中間結果可標準化。

本文四聯動具有串聯骨架。

2. 並聯型

Q \rightarrow \begin{cases} M_1(Q)\\ M_2(Q)\\ M_3(Q) \end{cases} \rightarrow \operatorname{Merge}

不同模組獨立分析同一問題，再進行合併。

適用於：

需要多視角校正；
任一方法可能帶有偏誤；
需要比較不同推理路徑。

3. 嵌套型

M_1\bigl(M_2(Q)\bigr)

某模組在另一模組內部被局部調用。

例如 IMMPN 在追蹤某個尺度轉換時，可以局部調用 CQR-IC，判定該尺度中的關鍵節點。

4. 循環型

M_1\rightarrow M_2\rightarrow M_3\rightarrow M_1'

後續結果改寫前面的因素空間或權重。

本文四聯動的完整形態屬於循環型。

5. 約束型

M_{\mathrm{generator}} \xrightarrow{M_{\mathrm{constraint}}} M_{\mathrm{valid}}

一個模組生成候選解，另一個模組負責限制其合法範圍。

DBC 在本文中就是約束模組，而不是內容生成模組。

第四部　四個模組的正式定位

七、MDHMA：全景候選空間生成器

7.1 功能定位

MDHMA 的任務不是立即找出「最重要因素」，而是防止分析者過早刪除可能重要的變數。

其輸出為：

\mathcal M_t = (F_t,P_t,\Sigma_t,\mathcal R_t,W_t)

其中：

$F_t$ ：候選因素集合；
$P_t$ ：分析面集合；
$\Sigma_t$ ：尺度集合；
$\mathcal R_t$ ：因素交互網格；
$W_t$ ：隨時間與語境變動的權重函數。

7.2 修正版核心原則

早期表述容易讓人誤以為所有因素必須永久保持相同權重。正式修正為：

所有因素具有平等的入場權，但不具有相等的當前權重。

形式為：

\forall f_i\in F_t, \qquad \operatorname{Admit}(f_i)=1

但：

w_i(t,c)\neq w_j(t,c)

MDHMA 的「無核心初始化」是反偏見操作，不是永恆權重規則。

7.3 標準輸出

MDHMA 至少輸出：

因素清單；
尺度清單；
時間切片；
交互關係；
邊緣因素池；
未知因素占位符；
初始資料可信度；
可能的非線性放大鏈。

7.4 停止條件

MDHMA 不可能真的列出宇宙中的所有因素，因此必須設置實用停止條件：

\Delta F_k<\epsilon_F

或：

\Delta \operatorname{Coverage}_k<\epsilon_C

表示新增一輪展開已不再顯著增加因素覆蓋率。

八、CQR-IC：有限注意力與核心影響鏈分配器

8.1 功能定位

CQR-IC 接受 MDHMA 的全景因素空間，並依照影響力、中心性、行動成本、訊息價值與不確定性分配分析資源。

它不是刪除非核心因素，而是建立兩層解析度：

F_t=K_t\sqcup R_t

其中：

$K_t$ ：高解析核心集合；
$R_t$ ：低解析殘餘因素池。

8.2 核心評分向量

對每個因素 $f_i$ 建立：

\mathbf q_i(t) = (I_i,C_i,S_i,A_i,V_i,U_i,D_i)

其中：

$I_i$ ：直接影響力；
$C_i$ ：網絡中心性；
$S_i$ ：系統敏感度；
$A_i$ ：行動成本或承諾強度；
$V_i$ ：資訊價值；
$U_i$ ：不確定度；
$D_i$ ：領域偏離度。

其中「行動成本」特別重要。低成本言論容易受行銷動機影響；高成本行為通常更接近顯示性偏好。

8.3 雙軸結構

CQR-IC 必須同時運行兩條軸。

關鍵影響鏈分析

a_0 \rightarrow a_1 \rightarrow a_2 \rightarrow \cdots \rightarrow o

其中：

$a_0$ ：表面核心人物或事件；
$a_1,a_2$ ：直接與間接影響者；
$o$ ：最終制度、政策、市場或行為輸出。

領域人群分析

G = \{g_1,g_2,\ldots,g_n\}

觀察：

群體平均趨勢；
群體分散程度；
角色間差異；
異常個體；
跨組織同步偏移。

8.4 核心不是永久身份

若殘餘因素的權重上升：

w_j(t+\Delta t)>\tau

則：

f_j\in R_t \rightarrow f_j\in K_{t+\Delta t}

因此，核心是一個動態資源標記，而不是本體論地位。

九、IMMPN：多尺度過程縫合器

9.1 功能定位

MDHMA 告訴我們可能有哪些因素，CQR-IC 告訴我們應優先關注哪些因素，但它們仍可能停留在靜態節點圖。

IMMPN 負責回答：

這些因素如何一步步改變系統？

9.2 過程單元

每個過程單元表示為：

\Pi_k = (S_k,A_k,M_k,S_{k+1},E_k,U_k)

其中：

$S_k$ ：前狀態；
$A_k$ ：作用者或作用因素；
$M_k$ ：轉換機制；
$S_{k+1}$ ：後狀態；
$E_k$ ：證據；
$U_k$ ：不確定性。

9.3 跨尺度轉換

修正版跨尺度形式為：

S_{\sigma+1,t+\Delta t} = E_\sigma \left( S_{\sigma,t}, I_{\sigma,t}, C_{\sigma+1,t}; \theta_\sigma \right) + \varepsilon_\sigma

其中：

$I_{\sigma,t}$ ：同尺度內部互動；
$C_{\sigma+1,t}$ ：上層對下層的反向約束；
$\theta_\sigma$ ：已知轉換規則；
$\varepsilon_\sigma$ ：尚未解釋的因果殘差。

9.4 從「不允許空缺」修正為「不允許未標記空缺」

早期強式敘述要求高層現象被低層狀態完全解釋。作為理想目標可以保留，但在現實研究中容易製造偽完整性。

正式修正為：

IMMPN 不要求分析者假裝知道所有過程；它要求所有不知道的過程都被明確標記。

因此：

\varepsilon_\sigma\neq 0

不是方法失敗。

真正的方法失敗是：

\varepsilon_\sigma\neq 0 \quad\land\quad \operatorname{Unmarked}(\varepsilon_\sigma)

9.5 雙向尺度因果

IMMPN 不採取純粹單向還原論。

完整結構包括：

\text{微觀} \rightarrow \text{中觀} \rightarrow \text{宏觀}

以及：

\text{宏觀制度} \rightarrow \text{中觀組織} \rightarrow \text{微觀行為}

前者是生成，後者是約束。

十、DBC：語義、證據、因果與預測的合法性防火牆

10.1 功能定位

DBC 不是用來生成更豐富的解釋，而是防止解釋越過證據與定義所允許的範圍。

對概念 $X$ ，建立：

D(X) = (N_X,E_X,B_X)

其中：

$N_X$ ：必要屬性；
$E_X$ ：排除案例；
$B_X$ ：邊界案例。

其外延為：

\operatorname{Ext}(X) = \left( \bigcap_{p\in N_X} \operatorname{Satisfy}(p) \right) \setminus \left( \bigcup_{e\in E_X} \operatorname{Match}(e) \right)

10.2 三區模型

\mathcal X = \mathcal X_{\mathrm{in}} \sqcup \mathcal X_{\mathrm{boundary}} \sqcup \mathcal X_{\mathrm{out}}

其中：

$\mathcal X_{\mathrm{in}}$ ：明確屬於；
$\mathcal X_{\mathrm{boundary}}$ ：需個案判斷；
$\mathcal X_{\mathrm{out}}$ ：明確排除。

10.3 四種雙界

語義雙界

至少是什麼，絕對不是什麼。

證據雙界

最低需要哪些證據；哪些資料不足以支持該結論。

因果雙界

哪些中介機制不可缺；哪些只能稱為相關。

預測雙界

最多可以預測到什麼強度；哪些敘述超出資料。

10.4 結論強度上限

對結論 $H$ 定義：

C_H = \operatorname{MaxClaimStrength}(E_H)

輸出不得超過：

\operatorname{Strength}(H)\leq C_H

第五部　四聯動的正式運行協議

十一、總體運行式

四聯動框架可表示為：

Q \xrightarrow{\mathrm{MDHMA}} \mathcal M_t \xrightarrow{\mathrm{CQR\text{-}IC}} (K_t,R_t,\mathcal G_t) \xrightarrow{\mathrm{IMMPN}} \Pi_t \xrightarrow{\mathrm{DBC}} H_t

其中：

$\mathcal M_t$ ：全景模型；
$K_t$ ：核心因素；
$R_t$ ：殘餘因素池；
$\mathcal G_t$ ：影響網絡與群體校正；
$\Pi_t$ ：過程鏈；
$H_t$ ：受約束結論。

但完整系統必須加入回饋：

\boxed{ \mathrm{MDHMA} \rightleftarrows \mathrm{CQR\text{-}IC} \rightleftarrows \mathrm{IMMPN} \rightleftarrows \mathrm{DBC} }

十二、十二步標準操作流程

Step 1：建立問題簽名

記錄：

問題對象；
時間範圍；
空間範圍；
尺度；
可用資料；
資料缺口；
錯誤成本；
所需輸出。

Step 2：定義初始雙界

在分析開始前，先說明：

本次研究至少要回答什麼；
本次研究不企圖證明什麼；
哪些概念容易混淆；
哪些情況必須保留未知。

這稱為前置雙界。

Step 3：MDHMA 全維展開

建立因素、行動者、制度、尺度、時間切片、非線性交互、邊緣因素池與未知占位符。

Step 4：來源分層

E = E_{\mathrm{primary}} \sqcup E_{\mathrm{secondary}} \sqcup E_{\mathrm{inference}} \sqcup E_{\mathrm{unknown}}

禁止把推論資料偽裝成一手證據。

Step 5：CQR-IC 核心分配

選出高權力節點、高資訊節點、高成本行為、高異常訊號、關鍵中介者與可能的反向控制節點。

Step 6：建立關鍵影響鏈

\text{表面節點} \rightarrow \text{直接影響} \rightarrow \text{間接影響} \rightarrow \text{制度傳導} \rightarrow \text{結果}

若某一段沒有證據，不得直接跨越。

Step 7：領域人群校正

比較同類公司、同類領導者、不同角色、不同國家、不同時間、多數趨勢與少數異動。

Step 8：IMMPN 過程縫合

S_0 \xrightarrow{M_0} S_1 \xrightarrow{M_1} S_2 \rightarrow\cdots\rightarrow S_n

每一段標記作用者、機制、證據、時間延遲、尺度變換、反饋與因果殘差。

Step 9：建立替代過程鏈

\Pi^{(1)},\Pi^{(2)},\ldots,\Pi^{(m)}

不可只建立最符合原先立場的一條故事。

Step 10：DBC 四重校驗

逐一檢查：

語義是否合法；
證據是否足夠；
因果是否連續；
預測是否超限。

Step 11：輸出強度分級

L_0=\text{未知}

L_1=\text{可觀察相關}

L_2=\text{方向性更新}

L_3=\text{競爭解釋中較佳}

L_4=\text{高可信機制}

L_5=\text{形式或實證確認}

禁止從 $L_1$ 直接跳到 $L_4$ 。

Step 12：回饋重算

根據殘差與邊界案例，決定返回 MDHMA、CQR-IC、IMMPN 或由 DBC 降低結論強度。

第六部　回退機制

十三、四種主要回退條件

1. 因素遺漏回退

若：

\varepsilon_\sigma>\eta

表示過程殘差過大，返回 MDHMA。

2. 核心誤判回退

若核心節點無法解釋結果，而邊緣因素持續升權：

w(r_j)>w(k_i)

則返回 CQR-IC，重新排序。

3. 因果斷鏈回退

若：

S_k \not\xrightarrow{\text{known mechanism}} S_{k+1}

則返回 IMMPN 補充機制，或把該段標記為未知。

4. 結論超限回退

若：

\operatorname{Strength}(H)>C_H

則由 DBC 強制降級。

十四、停止條件

四聯動不應無限分析。可在以下條件同時成立時停止：

新增因素的邊際資訊量低於門檻；
核心集合在多輪中保持穩定；
主要過程鏈的殘差已被標記；
替代解釋已被比較；
結論強度未超過證據；
後續分析成本高於預期資訊收益。

形式上：

\Delta I<\epsilon_I \quad\land\quad \Delta K<\epsilon_K \quad\land\quad \operatorname{Bounded}(H)=1

第七部　最小可執行模板

十五、問題卡

問題：
時間範圍：
空間範圍：
分析尺度：
決策用途：
錯誤成本：
現有資料：
主要未知：
本研究不企圖證明：

十六、MDHMA 因素表

因素名稱：
所屬尺度：
所屬分析面：
目前權重：
資料來源：
與其他因素的交互：
可能放大條件：
是否暫列邊緣因素：

十七、CQR-IC 核心節點表

節點：
角色：
直接權力：
網絡中心性：
實際行動成本：
資訊接近度：
言行一致性：
群體偏離度：
不確定度：
核心／殘餘：

十八、IMMPN 過程鏈表

前狀態：
作用者／因素：
作用機制：
後狀態：
時間延遲：
尺度變換：
支持證據：
替代機制：
因果殘差：

十九、DBC 結論卡

候選結論：
必要證據：
排除條件：
邊界案例：
目前證據：
最大允許強度：
反證條件：
最終狀態：

第八部　標準教學案例：前沿 AI 公司與 AGI 訊號

二十、問題設定

問題不是：

AGI 是否已經存在？

而是：

前沿 AI 公司領導者的高信心言論、實際限制行為與監管主張，是否支持我們提高對內部能力非線性增長的信念？

這個問題本身已由 DBC 限定：研究的是方向性更新，不是 AGI 存在證明。

二十一、MDHMA 展開

納入模型能力、領導者言論、公司競爭、投資與估值、算力與能源、政府關係、國家安全、法律責任、監管俘獲、企業資產保護、公開模型與內部模型差距、Agent 時代資料、媒體放大、個人性格與地緣政治競爭。

二十二、CQR-IC 定核

優先分析掌握內部資訊的公司領導者、能改變發布政策的人、具有政府接口的人、多家競爭公司之間同步出現的訊號，以及延後發布、外部測試、政府提前存取等高成本行為。

建立：

E= E_{\mathrm{speech}} + E_{\mathrm{costly\ action}} + E_{\mathrm{institution}}

其中：

\operatorname{Info}(E_{\mathrm{costly\ action}}) > \operatorname{Info}(E_{\mathrm{speech}})

二十三、IMMPN 縫合

候選過程鏈之一：

\text{內部能力觀察} \rightarrow \text{領導者信念更新} \rightarrow \text{公開言論} \rightarrow \text{公司政策} \rightarrow \text{政府介入} \rightarrow \text{法律制度} \rightarrow \text{責任共同化} \rightarrow \text{資產保護}

競爭過程鏈則可能是：

\text{資本競爭} \rightarrow \text{AGI 敘事} \rightarrow \text{政策資源} \rightarrow \text{監管門檻} \rightarrow \text{市場集中}

兩條鏈可以同時成立，不必單選。

二十四、DBC 限制

至少可以說：

言論、昂貴行為與制度主張的同步收斂，支持對內部能力加速進行方向性正向更新。

不能說：

公開訊號已證明 AGI 存在。

也不能說：

所有監管行動都只是找替罪羊。

邊界區包括真實風險、行銷、監管護城河、國家安全、責任分散與企業資產保護。

最終輸出位於：

L_2\sim L_3

第九部　常見錯誤

二十五、把 MDHMA 變成無限列清單

MDHMA 的目的不是追求文字上的「全部」，而是建立不因先驗偏見而永久排除因素的候選空間。

二十六、把 CQR-IC 變成名人分析

\text{Visibility} \neq \text{Control} \neq \text{Information Access}

二十七、把過程鏈寫成故事

每段必須包含：

\text{機制} + \text{證據} + \text{替代解釋} + \text{殘差}

二十八、把雙界約束變成保守主義

DBC 允許大膽假設，但必須同時標明假設、證據、邊界與反證條件。

二十九、四個模組一次全部開滿

應遵守：

\text{最低充分模組原則}

只啟用完成問題所需的最低模組集合。

第十部　教學分級

三十、初階：固定流水線

\mathrm{MDHMA} \rightarrow \mathrm{CQR\text{-}IC} \rightarrow \mathrm{IMMPN} \rightarrow \mathrm{DBC}

三十一、中階：回退與替代鏈

中階使用者必須建立至少兩條競爭過程鏈、保留殘餘因素池、根據因果殘差返回重算，並對結論進行強度分級。

三十二、高階：動態模組編排

高階使用者或 Agent 應依問題簽名自動決定模組順序、並行、嵌套、約束、終止與擴展。

\mathcal R: \Sigma_Q \rightarrow \mathcal P(M)

其中 $\mathcal P(M)$ 是模組集合的冪集。

第十一部　推廣至整個認知解構學

三十三、模組組合的五種角色

生成模組：產生新概念、新模型、新假設；
展開模組：擴大因素、語境、尺度或路徑；
壓縮模組：提取核心、建立優先級；
轉換模組：跨語義、跨尺度、跨狀態映射；
約束模組：限制定義、證據與結論強度。

成熟的模組組合通常至少包含：

\text{生成／展開} + \text{壓縮} + \text{轉換} + \text{約束}

三十四、組合不是把名稱相加

真正的模組組合必須滿足：

功能互補；
接口相容；
錯誤可定位；
回退可執行。

若不滿足，只能稱為方法並列，不能稱為模組組合。

第十二部　最小公理集

公理一：問題—推理結構同構

\operatorname{Structure}(\text{Reasoning}) \cong \operatorname{Structure}(\text{Problem})

公理二：因素平等入場，不平等計算

\operatorname{Admit}(f_i)=1

但：

w_i(t,c)\neq w_j(t,c)

公理三：核心是資源配置，不是本體身份

f_i\in K_t

只表示當前應給予高解析度。

公理四：任何跨狀態推論都必須具有機制或殘差標記

S_k\rightarrow S_{k+1}

必須附帶：

M_k \quad\text{或}\quad \varepsilon_k

公理五：結論強度不得超過證據上限

\operatorname{Strength}(H) \leq \operatorname{MaxClaimStrength}(E)

公理六：模組輸出必須可被後續模組審計

任何中間結果都應保留來源、假設、操作、不確定性、版本與回退點。

公理七：模組組合必須允許失敗

一套不允許輸出「未知」的方法，不是完整方法，而是結論生成器。

結論

本文完成了《認知解構學》由「多模組集合」走向「模組可組合系統」的第一步。

四聯動框架的核心不是同時使用四個名稱，而是建立四種互補運動：

\boxed{ \text{MDHMA 建立可見世界} }

\boxed{ \text{CQR-IC 分配有限注意力} }

\boxed{ \text{IMMPN 重建世界如何變成現在} }

\boxed{ \text{DBC 限制我們可以說到哪裡} }

四者共同形成：

\boxed{ \text{先全觀，再定核；沿核追變，以界止言；若鏈有缺，返觀重算。} }

這套方法同時適用於政治與國際關係、AI 產業觀察、商業戰略、科技預測、社會運動、金融風險、複雜理論分析、Agent 自動研究、多模型協作與高風險決策。

更重要的是，它提供了一個可推廣原型：未來《認知解構學》的其他模組，不再只需要單獨定義，而應逐步建立可組合的接口、角色、順序、失敗條件與回退路徑。

從此，認知解構學不再只是「有哪些方法」，而開始回答：

這些方法如何共同成為一個可以運行的認知系統？

附錄 A　四聯動速查表

階段	模組	核心問題	標準輸出	主要風險
全景	MDHMA	有哪些因素可能重要？	因素空間、尺度、交互網格	無限展開、資料冗餘
定核	CQR-IC	現在應優先看誰與什麼？	核心節點、影響鏈、群體校正	名人偏誤、偽量化
追變	IMMPN	系統如何一步步改變？	狀態鏈、機制、尺度轉換、殘差	故事化、因果跳躍
限言	DBC	證據允許我們說到哪裡？	內部區、邊界區、排除區、結論強度	過度保守或錯誤封閉

附錄 B　Agent 執行偽代碼

def run_pcpb(problem):
    signature = build_problem_signature(problem)
    pre_boundary = define_initial_boundaries(signature)

    panorama = mdhma_expand(
        problem=problem,
        preserve_residual_factors=True,
        mark_unknowns=True
    )

    core_map = cqr_ic_prioritize(
        panorama=panorama,
        use_influence_chain=True,
        use_domain_population=True,
        preserve_residual_pool=True
    )

    process_models = immpn_stitch(
        core_map=core_map,
        include_cross_scale_links=True,
        mark_causal_residuals=True,
        generate_alternatives=True
    )

    bounded_results = dbc_validate(
        process_models=process_models,
        semantic_boundary=True,
        evidence_boundary=True,
        causal_boundary=True,
        prediction_boundary=True
    )

    while bounded_results.requires_revision:
        route = bounded_results.rollback_route

        if route == "MDHMA":
            panorama = mdhma_expand_again(panorama)
        elif route == "CQR-IC":
            core_map = reprioritize(core_map, panorama)
        elif route == "IMMPN":
            process_models = repair_process_gaps(process_models)
        elif route == "DBC":
            bounded_results = downgrade_claim_strength(bounded_results)
        else:
            break

        bounded_results = rerun_downstream_modules(
            panorama, core_map, process_models
        )

    return bounded_results

附錄 C　內部來源文件

《核心量化推理》
《核心量化推理：基於關鍵影響鏈與領域人群的雙重分析方法》
《認知解構學正式定義方法論 2.0》
《認知解構學核心概念版（2.0 版草稿）》
《哲學重構工程學：雙界約束與開源重譯協議修訂版》
《認知解構學 2.0——思維升級手冊》

版本說明

v1.0：

首次建立認知解構學的正式模組組合方法論；
區分 CQR-S 與 CQR-IC；
建立問題簽名與模組接口契約；
定義五種模組組合型態；
正式化 MDHMA、CQR-IC、IMMPN、DBC 四聯動；
加入回退機制、停止條件、結論強度階梯；
提供人類教學模板與 Agent 執行偽代碼。

認知解構學模組組合方法論I_全景核心過程雙界四聯動框架_v1.0