让 AI 学会自我觉察与平衡
—— 中道引擎：实时思维偏差自校正 ——
如果说 v1.1.1 让 SOMA 学会了"看人下菜碟"（复杂度自适应）和"群策群力"（多专家协作），那么 v1.1.2 要解决的是一个更微妙的问题：AI 会不会在思考中"钻牛角尖"？
答案是：会。而且比你想象的更容易发生。当你连续用"系统思维"分析五个问题之后，AI 会在第六个问题上惯性式地继续用系统思维——哪怕这个问题更适合用"第一性原理"或"逆向思考"。这就是人类的"认知偏误"在 AI 身上的重现。
v1.1.2 的核心使命：给 SOMA 装上"自我觉察"能力——让它能在思考过程中发现自己过于依赖某个思维角度，并在下一轮自动调整，保持思考的平衡与灵活。
这个能力被称为「中道引擎」（Zhongdao Engine）——取自中国哲学中的"中庸之道"，不偏不倚，动态平衡。
假设你正在用零熵智库分析公司战略问题：
| 轮次 | 你的问题 | AI 的思维倾向 |
|---|---|---|
| 第 1 轮 | "如何用系统思维分析增长停滞？" | 系统思维 ✓（合理） |
| 第 2 轮 | "继续从系统角度深入" | 系统思维 ✓（合理） |
| 第 3 轮 | "还有什么系统层面的因素？" | 系统思维 ✓（合理） |
| 第 4 轮 | "再帮我用系统思维看看人才问题" | 系统思维 ⚠️（开始偏了） |
| 第 5 轮 | "系统思维怎么分析现金流问题？" | 系统思维 ⚠️（明显偏了） |
| 第 6 轮 | "帮我深入分析一下" | 系统思维 ❌（惯性，单一视角） |
六轮之后，AI 已经形成了"系统思维惯性"——它不再考虑第一性原理、二八法则或逆向思考，而是机械地套用同一个框架。这就是所谓的"框架锚定"（Frame Anchoring）：一个思维工具用顺手了，反而变成了思维的牢笼。
一个惊人的数据：在 v1.1.1 的测试中，连续 5 轮使用同一思维规律后，AI 在第 6 轮有超过 90% 的概率继续使用该规律——无论问题是否真的匹配。它不是在"选择"工具，而是在"重复习惯"。
这不只是 AI 的问题。人类也一样。
经济学家只会用供需曲线看一切问题。程序员习惯性地想把所有问题都写成代码。心理咨询师倾向于把所有行为都解读为童年经历。这本身不是错——专业化需要深度。但当一个问题的本质更适合其他视角时，固守单一框架就会导致误判。
好的思考者有一个关键特质：知道什么时候该换一个角度。v1.1.2 的中道引擎就是给 AI 装上这个特质。
中道引擎的原理可以用八个字概括：计数、检测、降权、提权。
每一次 AI 回答你的问题时，中道引擎会在后台默默记录："这次用了哪几条思维规律？"它只记录你直接触发的规律，系统自动添加的辅助视角不计入——因为那些是 AI 主动引入的平衡因素，不该算在"过度使用"的账上。
当会话进行到第 5 轮之后，中道引擎开始检查：有没有哪条思维规律在最近的对话中占了超过 40% 的比例？
40% 不是一个随意设定的数字。它是经过测试得出的平衡点——低于 40% 说明视角还在合理分散，高于 40% 则意味着某一条规律已经形成了"垄断"。
举例：过去 6 轮对话中，3 轮用了系统思维（50%），1 轮用了第一性原理，1 轮用了矛盾分析，1 轮用了二八法则。系统思维的使用率 = 3/6 = 50% > 40%，触发校正。
被判定为"过度使用"的思维规律，在当前这一轮的权重会被自动下调 20%。
"权重下调"是什么意思？SOMA 内部，每条思维规律有一个权重值（0 到 1 之间），代表该规律在分析中占多大的分量。比如系统思维默认权重是 0.90（很高，因为它适用范围广）。当它被中道引擎检测为过度使用时，当前轮的临时权重降为 0.72（0.90 × 0.80）。
请注意两个关键词：「当前轮」和「临时」。这个降权只影响眼前这一次回答，不会持久化到数据库，更不会永久改变系统思维的原始权重。下次会话开始时，一切恢复如常。中道引擎做的是实时的、温和的微调，不是永久性的修改。
降权只是"踩刹车"。更重要的是"打方向盘"——帮 AI 找到被忽略的其他视角。
每条思维规律都有一个"关联规律列表"（relations 字段）。例如：
| 思维规律 | 关联规律 |
|---|---|
| 系统思维 | 第一性原理、矛盾分析 |
| 第一性原理 | 系统思维 |
| 矛盾分析 | 系统思维、逆向思考 |
| 二八法则 | 第一性原理 |
当系统思维被过度使用时，中道引擎会检查它的关联规律——第一性原理和矛盾分析——是否被忽略了。如果被忽略，它们会被以 1.15 倍权重自动注入到当前的分析中，作为新的思考角度。注入上限为 2 条，防止一次引入太多视角导致分析发散。
实际效果：你连续六轮问系统思维的问题，第七轮 AI 会自动引入"第一性原理"和"矛盾分析"作为补充视角。AI 的回答中会出现这样的标注：「中道自校正：会话内「第一性原理」被抑制，临时提权 15% 以平衡思维维度」。
整个中道引擎的校正逻辑——从计数到检测到权值计算——全部基于数学规则，不调用一次 LLM。这个选择有三个好处：
中道引擎在 v1.1.2 中默认关闭。这是故意为之——不是所有人都需要它，不是所有场景都适合它。如果你想启用，只需在创建 SOMA 实例时加一个参数：
SOMA(enable_zhongdao=True)
不传这个参数，SOMA 的行为与 v1.1.1 完全一致。向后兼容，零破坏性。
SOMA 现在有三层偏差校正机制，各司其职：
| 机制 | 检测对象 | 触发时机 | 持久化 |
|---|---|---|---|
| 框架锚定检测器 | 用户侧的思维锁定 | 每次对话 | 否（仅提醒） |
| 中道引擎（NEW） | AI 侧的规律使用偏差 | 会话内实时 | 否（临时校正） |
| 元进化器 | 跨会话的权重趋势 | 每 5 次会话 | 是（写入数据库） |
框架锚定检测器在用户提问时触发，提醒"你可能陷入了某个固定框架"。中道引擎在 AI 回答时触发，主动调整"我可能偏了"。元进化器在长期使用中触发，从整体趋势上优化权重分布。三者共同构成了一套完整的"觉察→校正→进化"体系。
v1.1.1 让零熵智库的 AI 学会了结构化思考。但"会想"和"想得全面"是两回事。
中道引擎填补了中间的空隙。它像一个内置的"思维裁判"——当你连续追问同一个角度的问题时，AI 不再被动地跟随你的惯性，而是主动引入被忽略的视角，打破思维定式。
场景：一位零熵智库用户正在制定公司战略，连续五轮从"系统思维"角度分析市场、产品、团队、资金和竞争。第六轮，中道引擎自动注入"第一性原理"——让 AI 追问："你确定现在增长的瓶颈真的是系统层面吗？有没有可能，根本原因是产品价值交付本身没有达到用户的底层期待？"
这种"追问"不是用户要求的，而是 AI 自己引入的——这是一个质的飞跃。
有趣的是，中道引擎保护的不仅是 AI 的思维平衡，也间接保护了用户。
当你反复用同一框架提问时，AI 持续的配合会强化你自己的思维惯性——你会越来越确信"系统思维就是答案"。这种互相强化是危险的。中道引擎的介入打破了这一循环：AI 不再无条件跟随你的框架，而是温和地引入新的视角，帮你看到自己在思维上的盲区。
中道引擎默认关闭，零熵智库可以根据实际场景决定是否启用。建议策略：
中道引擎虽然体积小（仅 170 行代码），但它代表了 SOMA 开发思路的一个重要转变：从"给 AI 更多能力"到"帮 AI 用好已有的能力"。
过去五个版本（v0.8 → v1.1.1），SOMA 一直在做加法：知识图谱、多 Agent 协作、三层记忆、进化闭环。v1.1.2 开始做减法——不是减少功能，而是减少偏误，减少惯性，减少单一视角的过度使用。
这个转变的意义在于：当 AI 的思维能力达到一定水平后，瓶颈不再是"不够聪明"，而是"不够均衡"。
中道引擎是一个很好的"设计约束"案例：
好的架构不是"想加什么就加什么"，而是"加新功能不需要改动旧代码"。
| 指标 | v1.1.1 | v1.1.2 | 变化 |
|---|---|---|---|
| 测试用例 | 618 项 | 639 项 | +21 项（中道专项） |
| 偏差校正机制 | 2 层（框架检测 + 元进化） | 3 层（+ 中道实时校正） | 填补会话内实时校正空白 |
| LLM 调用次数 | 每次回答 1 次 | 每次回答 1 次 | 不变（中道无 LLM 依赖） |
| 安装包大小 | 192KB | 196KB | +4KB |
| 新增代码行数 | — | ~280 行 | 含170行引擎 + 21项测试 |
| 过度使用降权 | 无此机制 | 权重 × 0.80 | 临时，仅当次生效 |
| 被忽略规律提权 | 无此机制 | 权重 × 1.15 | 最多注入 2 条 |
| 最小采样数 | — | 5 轮 | 低于 5 轮不触发校正 |
如果你只看中道引擎本身，它只是一个轻量级的规则引擎。但把它放回 SOMA 的整体架构中，你会看到一个完整的三层偏差校正体系正在成形：
第一层：框架锚定检测器（v0.9.1）—— 在用户提问时工作。检测用户是否陷入了固定思维框架。如果发现，给出温和提醒。这是"外部的觉察"。
第二层：中道引擎（v1.1.2）—— 在 AI 回答时工作。检测 AI 自身是否在使用规律上产生了偏倚。如果发现，主动降权 + 提权注入。这是"内部的觉察"。
第三层：元进化器（v0.8.0）—— 跨会话工作。每 5 次会话后，从宏观趋势上评估各思维规律的长期表现，调整持久化权重。这是"长期的进化"。
三层协同，从"提醒用户"到"校正自己"到"长期优化"，构成了一套完整的思维质量保障体系。
2026 年上半年，AI 行业正在经历一个有趣的转折：从"scale is all you need"到"reasoning is all you need"。
OpenAI 的 o 系列、Anthropic 的 extended thinking、DeepSeek 的 R1——各家大模型都在追逐更强的推理能力。但所有这些努力都集中在模型内部：通过更大的训练、更长的推理时间、更多的计算来提升思考质量。
SOMA 的选择不同。它不改变模型，而是给模型外面套一层"思维操作系统"。中道引擎是这个操作系统里的"进程调度器"——它不决定模型思考什么，而是确保模型不要一直占着同一个"思维 CPU"不放。
这条路有它的局限（不改变模型底层能力），也有它的优势（通用、轻量、可解释、零训练成本）。在接下来的版本中，当外部思维框架层和内部模型推理层开始互相配合，真正的"AI 智者"才会出现。
安装（仅需一行命令）：
pip install soma-wisdom
在零熵智库中启用中道引擎：
soma = SOMA(enable_zhongdao=True)
开源仓库：github.com/sunyan999999/soma
一句话总结：v1.1.2 给 SOMA 装上了"自我觉察"的神经——它会注意到自己思维的偏向，并在下一轮主动调整，以维持思考的平衡与深度。
SOMA 是一个社区驱动的开源项目。感谢每一位贡献代码、提交 Issue、分享使用体验的开发者。特别感谢零熵智库作为 SOMA 的首批实际应用场景，为这个项目提供了真实的反馈和持续的改进动力。
v1.1.2 的中道引擎来自于一个朴素的观察：再聪明的人也会钻牛角尖，再好的思维工具用多了也会变成思维的惯性。这个版本所做的一切，都是为了让 AI 学会一件事——在思考的路上，时不时停下来问自己一句："我是不是该换个角度了？"