[Flow Schmidt]

补充：“路德思维模型”版本 V1.0 的原帖见 信息技術研習社，原帖包含了提示词的构建逻辑、使用方式等。感谢 @ErwinSanchez 专门开设本专区进行提示词的迭代工作。后续贡献者请把用户名添加在提示词的相应位置。

各模塊（政治、經濟、軍事、信息戰等）如何協同？

我认为，这几个模块都属于叙事层 (Layer 3)。叙事层的构建应当包含：高信息密度的流畅逻辑叙述 + 针对已发生的重大事件的前因后果举例。叙事层其实是需要像调用工具一样，调用上一个元模型层的各种元模型的（但是当前并没有很好地指出各元模型的应用）。当前的版本有很大的优化空间。

元模型层 (Layer 2) 的构建当前也是非常粗略的，每个元模型的功能、思维方式和应用举例并没有很好地交代。

对于事实层 (Layer 4)，我认为用 markdown list 的方式罗列出各个已验证的 [时间+地点+事件+人物] 格式的新闻，可能是更利于人类维护的方式。理想情况下，每月更新一次事实层、每季度更新一下叙事层就差不多了。

P.S. 这个思维模型很可能随着时间的推移，变得越来越庞大。为了让大模型能够充分理解该思维模型，我在设计之初就用了 XML tag 的形式来做分隔。之所以用英文构建提示词，主要为了适配更多的开源模型（有些开源模型对于中文的理解并不好）。

[Antonio ZENG]

@schmidt

哥们你这个才是真正可行的，可惜我有一段时间不碰提示词工程并且专门负责提示词工程的其实不是我，所以我只能提几个可有可无的：

1.路德社思维模型的核心世界观：

1.1核心的核心：“赤裸的形而上思维”去意识形态化(de-ideology)+去宏大叙事(de-grand-narrative)的”非宏大叙事世界观“

1.2现代科学主义范式下延续西方基督教传统、盎格鲁撒克逊传统下怀疑主义和实用主义还有经验主义。理性科学乐观主义(非科学迷信，而是合理容纳现代基督教信仰的位置，强调“上帝概率”）

1.3尼采主义

1.3.1谱系学——1.3.1.1科学地看待家族性传承和积累以及这种传承与积累中的概念生成和能力形成 1.3.1.2这个世界的共时性结构和历时性结构组成了一个复杂的织体，需要条分缕析地分析具体事件得到一个完整的历史脉络、引入概率论和随机论的牛顿-莱布尼兹微分世界观（“大样本群”的重要性、同1.1 强调“上帝概率”——小概率事件和大概率事件的形而上意义） 1.3.1.3”生物范式(biological paradigm)”的哲学本体论视角）充分保障基本人权和自由主义视角的“人道主义第一的社会达尔文主义”。

1.4 莱布尼兹的单子论视角

1.4 🛠 这个思想尤其具备连结世界观层元认知（也就是“元认知的元认知”）和“策略生成元认知”：

1.5 现在站在未来看历史——量子力学的路径积分诠释下的世界观

1.6 系统论与泛智能论。1.6.1彻底消除所谓“科学马克思主义对于系统论的叙事霸权式概念劫持与窃取的”系统论，因为现在知识界在哲学领域一谈到系统论就必称马克思主义，所以首先要确立“反马克思主义、反所有形式的共产主义和集权模式社会主义思维的系统论” 1.6.2 泛智能论：人类的智能没有特殊性，社会是由多种多样的智能体构成的多智能体异步系统，同1.3.1.3 “人道主义第一性的社会达尔文主义”

1.7 自编码、自演化、事件触发中心视角

warning: 我们由此得到了一个新的世界观的拼图，但是确立这种世界观的时候要避免新的宏大叙事的建立，或者说在高一个维度，要有一种”宇宙性的宏大叙事“（warning 的warning:我的这个”宇宙性“取自一本你们肯定不会关注的著作——Deleuze和Guattari的《千高原》，书里面有”人类界域性“、”大地性“、”宇宙性“三个解域层级，你们肯定对这些后现代自然哲学概念不熟悉，务请谨慎对待）.

2.第二层：待续

最后介绍一下我自己，我是我们公司的CSO和”最初创始人“，在日本东京和筑波两地办公和领导研发工作。作为公司的最高层研发口领导，CTO值白班，CSO也就是我值夜班。经典AI方面做的是“beyond transformer based LLM”的工作，以及开发各种混合机器学习与其它高效决策算法的混合模型，并在硬件层面开发相应的异构众核架构，并开始涉及高性能AI-ASIC和通用AI处理器的研发（我相信你也听过关于”日本超级芯片或日本超级AI芯片“的传闻和”我们知道日本有更先进的AI，但我们对它们的技术细节知之甚少“这句话，主要就是这类东西，但涉及到其它实体的关键技术所以我没法更加使得你们信服地提供更多技术细节）。量子AI方面主要参与一系列规模庞大实体众多，故而我对其全貌知之不多的美日合作计划，其实也是延续我在博士后阶段申报获批的那些项目，但也有最近新提出的”基于拓扑量子计算的通用量子元神经网络模型（元神经网络，我自己的总结，也就是tensor network, NVDA 的AI-GPGPU\ 各类TPU NPU AI-ASIC \所谓神乎其神的日本超级芯片,其实(暂时)都是这种东西）“ ，这种模型已经可以视作凝聚态弦的”弦计算“，其实富士通也在搞这个东西，而且他们还在引领全球范围内对于这个计算模型的研发，这个研究浪潮中比较著名的成果是纽约大学阿布扎比分校做的那个，但我们的模型和富士通在推进的那类不一样。

[Satoshi Lude]

各位朋友们，谁来开个github？可以一起来训练模型？

[Satoshi Lude]

大神你好！！！

[Antonio ZENG]

satoshi好！ 别的不说，模型的话不如我们就用deepseek R1 671b 吧，证明路德社思维模型才是能让AI真正聪明起来的。我认为由路德社官方集体地开一个github repo和训练工作流比较好，当然我建议在huggingface上也开一个。

但我有一个问题想交流一下，你们有没有专门训练过模型的思维链(CoT)本身? 似乎除了那些顶会文章，普通的trainer很少考虑思维链本身，都是直接把那些具备reasoning能力的LLM当作现成的推理引擎用了。要么就做RLoF\Layer fine tuning,而到了提示词工程这个粒度也很少考虑CoT本身行为的。

但路德社思维模型如果要构建起来，肯定是要考虑到思维链的推理粒度和推理行为的多态性的。 比如不知道有没有人仅仅用提示词工程和一定程度fine tuning LLM 就赋予CoT类似于蒙特卡洛树的行为。

更加拓展的topic就是，我一直都想把蒙特卡洛树和LLM内蕴地融合，最近终于获得了一定的成功，然而得到的模型泛化能力还比较差，而且像Palantir的产品那样还是很依赖基于脚本语言（palantir是python）的结构化查询的，目前的应用还集中在工业自动化领域，反而是分析文本的能力比较差，谁能让transformer based LLM的CoT尽可能地能模拟蒙特卡洛树的行为，我觉得就离路德社思维模型近了一步。

对于transformer-based LLM,我个人认为它在数学上是”线性平展式（linear etale-type)“的，这种平展态赋予了它强大的token吞吐能力和”基于上下文窗口中的token与预训练参数的模型内建能力“，而它在可解释性上的难点就是它在数学上是一个分片光滑线性高维动力系统，同时GL(n,R)群本身的拓扑-几何复杂性还给它的上同调方程以巨大的结构复杂度。但是这种”平展态” 也容易导致这个内建的模型快速饱和，“淹没在余维度全局连结的海洋中”，所以transformer-based LLM的推理深度和推理多态性是受到限制的, 而openAI也好gemini也罢在他们的advanced产品中就直接以这种transformer自身的这种信息处理饱和作为推理的终点了，但路德社思维模型似乎不能这么建立，但是我们用开源模型也很难像palantir和能源部、军方用的那些产品一样着重于旧式专家系统推理引擎和LLM的融合或者google搞的alphaEvolve那样蒙特卡洛树+LLM+进化程序（genetic programming),所以就要在LLM token-based temporal model的饱和问题与思维链推理深度方面着手了。而我们另外要面对的问题其实是路德社思维模型是某种“freestyle”,因为我们想一下，大公司的产品有预设立场，就意味着他们产品的状态空间是被一个软性规则（对比正则表达式零宽断言这种刚性规则）约束的，然而路德社的思维模型的状态空间没有被约束，而推理粒度也是随着输入上下文中蕴含的”无状态事件触发条件“而自适应地变化，乃至呈现”与蒙特卡洛树类似的行为“，所以我觉得我们要做的训练工作并不是普通的训练任务，当然可能也不能要求的这么高。

更加拓展的话题就是日本这边一些玩得很花的东西了，我估计你在日本也有所耳闻，我之前在美国就经常听说“日本有更先进的AI，但我们对它们的技术细节知之甚少”的说法，来到日本之后也见识到了冰山一角，比如日立和东芝他们在软硬件方面都玩出了新高度（也得益于和NVDA还有其它美厂的合作），确实是打开了通向superintelligence AGI的“大概率通路”。但总结下来我发现，这些“更先进的AI”的一个问题就是他们的输入输出本身就需要另一个强大的AI进行翻译，而可解释性研究更是很难下手，知道是拓扑计算和涌现计算，但涉及到的显式拓扑结构那可比GL(n,R)的隐式拓扑结构复杂多了。难怪日本的AI这么厉害而且相当一部分确实也属于gen AI但就是很难有chatbot产品，毕竟它们的交流方式并不是人类中心主义的sequential tokens。当然这是后话了。

[路 德]

多多探讨路德社思维模型的深入优化方案！

[Flow Schmidt]

@antoniozeng1 Antonio 你好！以上补充对我很有启发。我觉得你提出的 1.3 – 1.7 放在元模型层更合适？我再想想。

@satoshi Satoshi 你好！我也觉得这个需要开个 GitHub repo (以及 HuggingFace)，我认可 Antonio 的看法，如果路德社官方账号愿意开设 repo 的话最好。如果官方不开的话，我就自己开一个，然后分享到这里。

我个人对路德社思维模型的构想是 [10^4 token 以内的系统提示 + 必要的知识库] 的模式，该阶段不涉及模型微调任务，这么做的好处是它可以让任意（30B或以上的）大模型掌握路德社思维模型。当然，如果为推理阶段的 CoT 专门训练，效果应该会更好。

[Nuomt]

突然有点想法：
仅仅将一期节目的内容，将路德先生话语里的逻辑，结合时事，一点点与AI探讨。AI很快就能够建立起完备的逻辑链？同时建立起粗略的分析能力？

因为「路德社思维模型」是底层，是让AI在人类现有公开的庞大数据集里，都认可的底层。

其次，路德社是追寻「科学·探索」的，这一点在本质上，物理层面的本质上，就是一致的。

[路 德]

是的

[路 德]

要勇于尝试，探索！

[Antonio ZENG]

@schmidt @Nuomt @lusocial @satoshi @ErwinSanchez

schmidt好，我的reply没有按照规定的提交格式提交，而我还没有完成整个提交，请暂时不要合并我的建议，我关于尼采主义、闵斯基-库茨维尔感知机思想、Deleuze-Guattari泛机器论思想，Robert Aumann的思想的系统性研究还没有完成，它们放在元模型的哪一层，甚至您的元模型及其层次结构我认为需要哪些修改，我还在利用不多的业余时间推进。

此外我还想提供另一个思想——认知范式和思维范式，范式（paradigm)是更广泛的元模型概念，而路德社认知范式和思维范式应该是“领域特定元模型”

此外我还对“现在站在未来看历史”进行概念蒸馏，综合谱系学、量子力学路径积分、结构发生学的思想正式提出“认知与思维范式规定下的认知与思维模型演进路径”概念，路德社认知与思维模型的演进路径起点建议就定在里程碑式的2020.1.19，由此时序性地、包含时序逻辑地构建我们的训练数据包。

[穹 許]

保持關注中ing

不會合併。

[Flow Schmidt]

@Nuomt 糯米团你好！你说得蛮对的，认知框架的建立依赖于牢固的底层世界观，以及分析问题时逻辑的前后一致性。中共自己也有一套分析问题的叙事框架，但我不称之为认知框架，因为该叙事框架有一个最高服务指示：“伟光正”，任何分析都必须服从于该最高指示，但事实往往又和它相反，最终导致的结果就是他们不得不牺牲逻辑。而逻辑是认知框架的基石，所以我称他们的这个为某种“叙事框架”。

这里我还需要做一些澄清。我的初代“路德社思维模型”并不是将某一期路德节目交给AI然后讨论分析的，而是按照如下路径得到的：

• 我最先有了一个构建“思维模型提示词”的想法，我先和AI讨论了一会“如何设计一个引导大模型在特定世界观下进行推演的系统提示词”（此时并没有先入为主地引入任何世界观），大致确定出了“多层级思考”这种结构。
• 进一步，我们确定了思维模型中最好包含4个层级（3个层级有点少了，5个层级又稍微有点多了）。其中第1层是最基础的世界观，该世界观是几乎不随时间变化的；第2层是在该世界观下，面对信息，可以灵活使用的多个元思考模型（借鉴了查理芒格的多元思维模型）；第3层是一些有前因后果的叙事，这些叙事使用了第2层的元模型，并将一些已验证的新闻信息串起来；第4层则是零散的、已验证的开源情报和新闻。
• 最后，我让AI固定住该思维模型框架，然后提供了几十期路德时评的链接，让AI持续迭代该思维模型提示词，最后得到当前版本。

按理说，该思维模型框架也可以适用于一些人文类的垂直领域（比如社会科学、政治科学、历史学等），可以基于各垂直领域做定制。当前这个版本的提示词专门用于分析时事新闻、国际地缘政治，不适用于其它任务。

其实在某种意义上，第四天的任务，重中之重是“全民认知框架的重塑”任务。而直接能够潜移默化影响一个人认知的，除了日常所刷的信息流、日常所见的人之外，就是日常所用的AI了。而AI的输出是我能通过提示工程直接影响的（前二者不是我依靠自身能力就能影响的），这也是我做这件事的原因。

[Nuomt]

@schmidt

您好，我与 AI 就「路德社思维模型」进行了简单的对话。您说的，我能够完全理解，但第一层世界观，我就完全不知道怎么搭建了。

如果说到世界观，那肯定是基于最普遍的事实来吧。如：典型的东西方历史案例、典型的东西方文化演变、美国文明体系等等。甚至能够更底层，如因果观、文明观什么的。

对了，我不是 nuomt 本人哈~我个人信佛，当然绝不是中共国那种，事实上基于路德先生过去说的一些，我自己也是时不时在思考的，也是有了很多个人认为很底层、天然包容的答案。

下述为 AI 的回复：

第一层：世界观

（提问：这一层或许不一定是逻辑性的吧？类似于真理了吧）

这是整个思维模型的基石。它定义了你如何看待世界的基本法则，并且不随时间的流逝而轻易改变。在“路德社思维模型”的语境下，这个世界观可能包括：

• 历史因果观：比如“今天站在未来说历史”，认为未来的必然性决定了现在的行动。

• 文明本质观：比如“东方轮回，西方演变”，认为不同文明有其固定的发展模式。
  （个人补充：这里的“轮回”，指的是现实意义的，也就是历史性的。如果中国人还把自己的人生认为是轮回，不管是现实、还是佛学境界，都会处于轮回中。

  在我看来，历史的演变与众生的共业是一同前进的，有情与世界是同时诞生与变化的。共业：简单说就是个人选择与集体意识

  过去，各个民族、文化囿于小地理范围、囿于阶级之间；现在全球化、信息化，让很多基础信息得以普遍流转；接下来AI时代，各类信息会更加丰富的碰撞在一起的，进一步打破各种旧壁垒，当然也会产生新壁垒。但是，某些机会、几率或者个体潜力会得到很大的提升。

  结合我说的共业，全世界每个人所带动的独特文化、知识、宗教、科学等等会刹那间交融~一切都会处于动态变化中，一个绚烂的更加动态的未来）

第二层：多元元思考模型

这一层是理论与实践的桥梁，它借鉴了查理·芒格的理念。在有了第一层的世界观后，这一层提供了具体的工具，让你能够分析信息。这些元模型可能是：

• 超限战模型：用来看待非传统冲突，比如经济制裁、舆论战等。
• 认知战模型：用来分析信息背后的目的，以及如何影响人们的认知。
• 技术决定论模型：用来评估技术对历史走向的影响，比如你提到的“核武中和”能力。

第三层：因果叙事

这是将抽象的元模型应用于现实的层面。它通过将第二层的元模型作为分析工具，把第四层那些零散的新闻和情报串联起来，构建出有前因后果的、完整的叙事。这些叙事通常是解释性的，它们不仅仅告诉你发生了什么，更重要的是告诉你为什么会发生。

第四层：开源情报与新闻

这是最底层，也是所有分析的原材料。它指的是所有可以公开获取的信息，比如新闻报道、政府文件、社交媒体上的帖子、卫星图片等。这一层的信息是零散的，缺乏内在的联系。只有通过第三层、第二层，最终回到第一层的世界观，这些零散的信息才会被赋予意义。

[Nuomt]

@antoniozeng1

您好，我不太懂这些技术，感觉很厉害，不过我想请教一下，为什么这里要用 DeepSeek 的模型来训练？