name: 合成与类比 description: 当从多个来源（文献综述、利益相关者反馈、研究发现、不同系统数据）合成信息时使用，或为解释或解决问题（跨领域转移、“X 像 Y”、结构映射）创建或评估类比，将冲突观点整合成统一框架，识别不同来源的模式，通过将原理从一个领域转移到另一个领域寻找创意解决方案，测试类比是否成立（表面与深层相似性），或当用户提到“合成”、“结合来源”、“类比”、“像”、“类似于”、“从…转移”、“整合发现”、“它类似于什么”。
合成与类比
目录
目的
从多个来源合成信息形成连贯洞察，并使用类比推理跨领域转移知识、解释复杂概念和寻找创意解决方案。
何时使用
信息合成：
- 文献综述（将10+篇研究论文结合成叙述）
- 多源集成（客户反馈 + 分析数据 + 竞争数据）
- 冲突观点调和（合成不同意专家的观点）
- 跨来源模式识别（从访谈、支持工单、评论中提取主题）
类比推理：
- 解释复杂概念（用熟悉领域解释不熟悉领域）
- 跨领域问题解决（从不同领域转移解决方案）
- 创意构思（通过结构映射找到新颖解决方案）
- 教学/沟通（使抽象概念具体化）
合成与类比结合：
- 合成多个类比以构建更丰富的理解
- 使用类比调和冲突来源（“两者从不同角度都是对的”）
- 将合成洞察从一个领域转移到另一个领域
它是什么
合成： 将来自多个来源的信息结合成一个统一的、连贯的整体，揭示模式、解决冲突并生成超出个体来源的新洞察。
类比： 领域之间的结构映射，其中源领域（熟悉）的关系阐明目标领域（不熟悉）的关系。好的类比保留深层结构，不仅仅是表面特征。
示例 - 合成： 合成15个客户访谈 + 5个调查 + 支持工单分析 → “客户在入门过程中遇到困难（87%提到），特别是步骤3配置（65%在此处放弃），因为术语是领域特定的（42%请求术语表）。出现三种用户类型：新手（需要手把手指导）、中级（需要示例）、专家（需要速度）。”
示例 - 类比： “微服务架构像一个由专业商店组成的城市，而单体架构像一个百货商店。城市：每个商店（服务）独立，可以在不关闭整个城市的情况下翻新，但必须协调交付（API）。百货商店：所有东西在一个屋顶下（代码库），更容易协调，但翻新一个部分会扰乱整个商店。权衡：灵活性与简单性。”
工作流程
复制此清单并跟踪进展：
合成与类比进展：
- [ ] 步骤1：明确目标并收集来源/领域
- [ ] 步骤2：选择方法（合成、类比或两者）
- [ ] 步骤3：应用合成或类比技术
- [ ] 步骤4：测试质量和有效性
- [ ] 步骤5：完善并交付洞察
步骤1：明确目标
对于合成：哪些来源？回答什么问题？需要解决什么冲突？对于类比：什么是源领域（熟悉）？什么是目标领域（解释）？目标是什么（解释、解决、构思）？参见常见模式了解典型目标。
步骤2：选择方法
仅合成 → 使用合成技术。仅类比 → 使用类比技术。两者 → 先用合成找到模式，然后用类比解释或转移。对于直接案例 → 使用resources/template.md。对于复杂多领域合成 → 学习resources/methodology.md。
步骤3：应用技术
对于合成：识别跨来源主题，注意一致性/不一致性，通过更高层次框架解决冲突，提取模式。对于类比：从源到目标映射结构（什么对应什么？），识别共享关系（非表面特征），测试映射有效性。参见合成技术和类比技术。
步骤4：测试质量
使用resources/evaluators/rubric_synthesis_and_analogy.json自评。合成检查：涵盖所有来源吗？解决冲突吗？识别模式吗？增加洞察吗？类比检查：结构保留吗？深层非表面？局限性承认吗？帮助理解吗？最低标准：平均得分 ≥3.5。
步骤5：完善并交付
创建 synthesis-and-analogy.md，包含：合成摘要（主题、一致性、冲突、模式、新洞察）或类比解释（源领域、目标领域、映射表、转移内容、局限性），来自来源的支持证据，可操作的意涵。
合成技术
主题合成（识别重复主题）：
- 提取： 阅读每个来源，记录要点和主题
- 编码： 用相同主题标签标记相似想法（例如，“入门摩擦”、“定价混淆”）
- 计数： 跟踪频率（每个主题提到多少来源？）
- 排序： 按频率 × 重要性优先排序
- 合成： 用来源支持证据描述每个主要主题
冲突解决合成（调和分歧）：
- 元层次框架： 两者从不同角度都是对的（例如，“来源A优先速度，来源B优先质量 - 取决于上下文”）
- 范围区分： 在范围上不同意（“来源A：功能X对企业端失效。来源B：对中小企业有效。合成：对中小企业有效，对企业端失效”）
- 时间性： 时间上的分歧（“来源A：策略X在2010年失败。来源B：在2024年有效。上下文改变：市场成熟度”）
- 零假设： 真正冲突证据 → 陈述不确定性，提出测试
模式识别（找到跨领域洞察）：
- 寻找重复结构（不同伪装下的相同问题）
- 找到因果模式（多个来源中当X时，则Y）
- 识别异常值（违反模式的来源 - 为什么？）
- 提取元洞察（模式告诉我们什么？）
示例： 合成10个事后分析 → 模式：80%的事故涉及配置变更 + 缺乏回滚计划。异常值：2个事故硬件故障。元洞察：需要配置变更审查流程 + 自动回滚能力。
类比技术
结构映射理论：
- 识别源领域（熟悉，好理解）
- 识别目标领域（不熟悉，解释）
- 映射实体： 源中的什么对应目标中的什么？
- 映射关系： 保留关系（如果在源中A→B，那么在目标中A’→B’）
- 测试映射： 关系转移吗？有未映射元素吗？
- 承认限制： 类比在何处失效？
表面与深层类比：
- 表面（弱）： 共享表面特征（都圆，都红） - 不具启发性
- 深层（强）： 共享结构关系（都有中心辐射拓扑，都使用反馈循环） - 具洞察性
示例 - 表面： “大脑像计算机（都处理信息）” - 太模糊，无帮助 示例 - 深层： “大脑神经元像计算机晶体管：神经元激发/不激发（二进制），在网络中连接，学习 = 加强连接（权重）。但神经元是模拟/概率的，计算机是精确/确定的” - 保留结构，承认限制
类比质量测试：
- 系统性： 多个关系映射吗（不只一个）？
- 结构保留： 因果关系转移吗？
- 生产力： 类比生成新预测/洞察吗？
- 范围限制： 类比在何处失效？（总是承认）
常见模式
模式1：文献综述合成
- 目标：将研究论文结合成叙述
- 技术：主题合成（提取主题，注意一致性/冲突，识别缺口）
- 输出：“研究表明X（5项研究支持），但Y仍有争议（3项支持，2项反对，方法学差异）。缺口：没有关于Z人群的研究。”
模式2：多利益相关者合成
- 目标：整合来自设计、工程、产品、客户的反馈
- 技术：冲突解决合成（元层次框架，范围区分）
- 输出：“设计想要A（美学），工程想要B（性能），产品想要C（速度）。都有效 - v1优先C（速度），v2优先A（美学），B（性能）作为持续优化。”
模式3：解释性类比
- 目标：向非技术受众解释技术概念
- 技术：从熟悉领域进行结构映射
- 输出：“Git分支像科幻中的交替时间线：主分支是主线时间线，功能分支是‘如果’探索。合并 = 时间线收敛。冲突 = 解决悖论。”
模式4：跨领域问题解决
- 目标：通过从不同领域转移解决方案解决问题
- 技术：识别结构相似性，映射解决方案元素
- 输出：“仓库路由问题在结构上类似蚁群优化：蚂蚁通过信息素轨迹找到最短路径。转移：使用强化学习与‘数字信息素’（成功路由权重）优化仓库路径。”
模式5：通过类比创意构思
- 目标：通过探索类比生成新颖想法
- 技术：强制连接，随机领域配对，系统变异
- 输出：“代码审查如何像餐厅食品评论？评论家（审查者）基于呈现（可读性）、味道（正确性）、技术（架构）评估菜肴（代码）。转移：为代码审查设计多标准评估表，专注于可读性、正确性、架构。”
防护栏
合成质量：
- 涵盖所有相关来源（无选择性挑选）
- 明确解决冲突（不忽略分歧）
- 识别超出个体来源陈述的模式（增加价值）
- 区分事实与解释
- 引用来源支持主张
- 承认缺口和不确定性
类比质量：
- 映射结构非表面特征（深层类比）
- 明确陈述什么对应什么（映射表）
- 测试有效性（关系转移吗？）
- 承认类比失效处（局限性）
- 不过度延伸（知道何时停止推进类比）
- 适合受众（熟悉源领域）
避免：
- 虚假合成： 强迫一致性，当真正冲突存在时
- 表面类比： “都圆”不帮助理解
- 类比作为证明： 类比说明，不证明
- 过度泛化： 一个来源 ≠ 模式
- 选择性挑选： 忽略不便来源
- 层次混淆： 混淆数据与解释
快速参考
所需输入：
对于合成：
- 多个来源（论文、访谈、数据集、反馈、研究）
- 回答的问题或实现的目标
- 识别的冲突或模式
对于类比：
- 源领域（熟悉，好理解）
- 目标领域（不熟悉，解释或解决）
- 目标（解释、解决问题、生成想法）
使用技术：
合成：
- 主题合成 → 识别重复主题
- 冲突解决 → 通过元框架调和分歧
- 模式识别 → 找到跨领域洞察
类比：
- 结构映射 → 映射实体和关系
- 表面与深层测试 → 确保结构非表面相似性
- 有效性测试 → 检查关系是否转移
产出：
synthesis-and-analogy.md，包含：- 合成：主题、一致性、解决冲突、模式、新洞察、支持证据
- 类比：源领域、目标领域、映射表（什么↔什么）、转移洞察、局限性
- 可操作性意涵
资源：
- 快速合成或类比 → resources/template.md
- 复杂多源或多领域 → resources/methodology.md
- 质量验证 → resources/evaluators/rubric_synthesis_and_analogy.json
最低质量标准：
- 合成：涵盖所有来源，解决冲突，识别模式，增加洞察
- 类比：结构映射清晰，深层非表面，局限性承认
- 两者：基于证据，引用来源，可操作
- 平均评估分数 ≥ 3.5/5 前交付