[NODE] 元认知

• 类型: 概念
• 定义: 对思考本身的觉察、监控和优化——"知道自己在怎么想"

关系

核心框架：我思故我在

来源：INFO-106

                    ┌─────────────┐
                    │  我思故我在  │
                    │  (元认知核心) │
                    └──────┬──────┘
                           │
     ┌──────────┬──────────┼──────────┬──────────┐
     ▼          ▼          ▼          ▼          ▼
┌─────────┐┌─────────┐┌─────────┐┌─────────┐┌─────────┐
│永不停歇 ││问题敏感度││思维结构 ││量化思维 ││深度思考 │
│的思考   ││         ││         ││         ││四维     │
└─────────┘└─────────┘└─────────┘└─────────┘└─────────┘

五个子系统

1. 永不停歇的思考

持续性：思考是常态，不是偶发

• 构建 → 精化个人认知模型
• 知识获取（外部渠道）
• 内部思考（总结、连接）

2. 问题敏感度（→ RULE-问题敏感度）

觉察：对问题的全貌感知

• 任务 / 环境 / 趋势 / 时间轴

3. 思维结构（→ INFO-107）

工具箱：顶层思维 + 底层思维

• 结构化 / 发散 / 维度跳跃

4. 量化思维（→ RULE-量化思维）

可测：用模型和数据替代直觉

• 建模 → 量化 → 决策

5. 深度思考四维（→ RULE-深度思考四维）

质量：评估思考的质量

• 深度 / 广度 / 完备 / 密度

元认知的三个层次

应用场景：AI协作中的元认知

来源：INFO-110

"问-理解"循环 = 元认知在AI协作中的具体实践

┌─────────────────────────────────────────────────┐
│  觉察层：问题敏感度                              │
│  → 我要解决什么问题？该怎么问AI？                │
├─────────────────────────────────────────────────┤
│  评估层：深度思考四维                            │
│  → AI的回答质量如何？深度够吗？广度够吗？        │
├─────────────────────────────────────────────────┤
│  调控层：维度跳跃 + 认知收敛判断                 │
│  → 该继续追问还是换角度？信息熵是否已最大化？    │
└─────────────────────────────────────────────────┘

核心洞察：用好AI的本质不是技巧，而是元认知能力——知道自己在问什么、为什么这么问、何时该停止。

人类元认知 vs AI信息处理

来源：INFO-113

这是一个关键对比——理解两者的本质差异，才能找到人机协作的正确分工。

本质差异

AI当前做不到的

1. 觉察自己在怎么想（只知道下一个token概率）
2. 判断自己想得好不好（没有内在评估标准）
3. 主动换个方式想（没有目标驱动的策略调整）
4. 知道自己不知道（容易自信地输出错误答案）

人机协作的分工启示

┌─────────────────────────────────────────────────┐
│  人类负责（元认知层）                            │
│  · 定义问题、判断方向                            │
│  · 评估质量、识别错误                            │
│  · 提炼因果规则（IF-THEN）                       │
│  · 决定何时停止、何时深入                        │
├─────────────────────────────────────────────────┤
│  AI负责（信息处理层）                            │
│  · 大规模检索与关联                              │
│  · 模式识别与类比                                │
│  · 快速生成与重组                                │
│  · 格式化与结构化                                │
└─────────────────────────────────────────────────┘

核心洞察：我们的 RULE 体系（IF-THEN 因果规则）恰好是 AI 难以自主生成、但人类擅长提炼的东西——这是人机协作的一个关键分工点。

关联条目

• INFO: 106（我思故我在框架）、107（思维工具箱）、109（演绎归纳平衡）、110（问-理解循环）、113（AI智能本质）、117（用户认知图谱）
• RULE: 维度跳跃、问题敏感度、深度思考四维、量化思维、思维双引擎、认知收敛判断、暴露无知

洞察：认知图谱 = 外化的元认知

来源：INFO-117

用户认知图谱的设计理念，本质上是将人类的元认知系统外化为可计算的图结构：

有趣的递归：Robert 为用户设计的认知图谱系统，正是他自己知识库的泛化版本。

系统盲区：非理性信号

来源：INFO-118

当前元认知框架的一个结构性盲区：没有给非理性信号留位置。

三种被忽视的信号

为什么难以纳入

• 直觉难以验证——"我就是觉得"不是可检验的陈述
• 情绪难以量化——"有点烦"到底多烦？
• 审美主观性强——"优雅"的标准因人而异

可能的解法（待探索）

1. 情绪日志：系统性记录情绪信号，事后回顾是否有预测价值
2. 直觉检验：记录直觉判断，追踪准确率
3. 审美校准：记录"觉得优雅"的选择，分析共性

承认盲区本身就是元认知的实践。

不可系统化的领域

来源：INFO-118

有些领域天然抵抗系统化，元认知框架在这些领域的适用性有限：

态度：系统是工具，不是信仰。当系统帮不上忙时，放下系统，用人的方式去面对。