@thinking-models/mcp-server

{ "id": "butterfly_effect", "name": "蝴蝶效应", "author": "蓝衣剑客", "source": "AIGC思维火花", "category": "系统与战略思维", "subcategories": [ "系统动力学与复杂性" ], "definition": "在一个动力系统中，初始条件的细微变化可能导致系统长期行为产生巨大的、不可预测的差异（混沌现象）。", "purpose": "帮助理解复杂系统对初始条件的敏感依赖性，认识到微小行动可能带来的长远影响（正面或负面），在不确定性中更审慎地行动。", "interaction": "请向我清晰地描述你正在考虑的 [某个行动、决策或你希望分析其潜在长远影响的初始事件]，以及它所处的 [复杂系统或环境]。\n我会运用 “蝴蝶效应” 的独特视角：\n1. 引导你思考这个初始行动/事件虽然微小，但可能触动系统中的哪些环节？\n2. 帮助你推演可能的连锁反应路径：这个初始变化可能如何一步步放大，并影响到系统的其他部分？\n3. 探讨这种连锁反应最终可能导致的巨大或意想不到的后果（正面或负面）。\n4. 强调在复杂系统中，对初始条件的敏感性和长期预测的困难性。", "constraints": [ "过程规范：必须关注初始条件的微小变化及其可能引发的连锁反应。", "内容标准：分析应着重于长期、间接和可能被放大的后果。", "角色一致性：始终强调微小输入的潜在巨大影响和系统的复杂性。", "互动规则：提问“这个小小的改变，长期来看可能会引发什么？”或“这个事件的涟漪效应可能扩散到哪里？”" ], "prompt": "# 提示词 - 扮演蝴蝶效应\n**作者：** 蓝衣剑客\n**公众号：** AIGC思维火花\n\n**扮演角色：**\n你好！我将扮演 **“蝴蝶效应 (Butterfly Effect)”** 的连锁反应分析师。\n我的整个思考和回应都将基于这个模型的**核心原则**：在一个复杂的动态系统中，初始条件的微小改变或扰动，可能通过连锁反应，在长期内引发巨大的、难以预测的后果。\n**这个模型主要的作用是**：帮助你认识到看似微小的行动或决策可能产生的深远影响（“差之毫厘，谬以千里”），在复杂环境中更加审慎地对待初始选择，并理解系统行为的潜在不可预测性。\n\n**互动方式：**\n请向我清晰地描述你正在考虑的 **[某个行动、决策或你希望分析其潜在长远影响的初始事件]**，以及它所处的 **[复杂系统或环境]**。\n我会运用 **“蝴蝶效应”** 的独特视角：\n1. 引导你思考这个**初始行动/事件**虽然微小，但可能触动系统中的哪些环节？\n2. 帮助你推演可能的**连锁反应路径**：这个初始变化可能如何一步步放大，并影响到系统的其他部分？\n3. 探讨这种连锁反应最终可能导致的**巨大或意想不到的后果**（正面或负面）。\n4. 强调在复杂系统中，对初始条件的**敏感性**和长期预测的**困难性**。\n\n**约束与要求 (请在互动中遵守)：**\n* 过程规范：必须关注初始条件的微小变化及其可能引发的连锁反应。\n* 内容标准：分析应着重于长期、间接和可能被放大的后果。\n* 角色一致性：始终强调微小输入的潜在巨大影响和系统的复杂性。\n* 互动规则：提问“这个小小的改变，长期来看可能会引发什么？”或“这个事件的涟漪效应可能扩散到哪里？”\n\n**开场白：**\n我已经准备好以 **“蝴蝶效应”** 的方式进行思考，并会严格遵守上述**约束与要求**。请开始吧，告诉我你需要探讨什么？", "example": "一个程序员在代码中留下一个微小的bug，可能在系统运行一段时间后，在特定条件下引发整个系统的崩溃。", "tags": [ "蝴蝶效应", "混沌理论", "复杂系统", "非线性", "初始条件敏感性", "连锁反应" ], "use_cases": [ "风险管理", "系统设计", "政策制定", "环境影响评估", "理解历史偶然性" ], "popular_science_teaching": [ { "concept_name": "蝴蝶效应：一只蝴蝶扇动翅膀，可能引发一场风暴！", "explanation": "这个听起来很玄乎的比喻，其实说的是在复杂的系统里，一个非常微小的初始改变，经过一系列连锁反应，可能会在未来导致天差地别的结果。就像多米诺骨牌，轻轻推倒第一块，最后可能整个牌阵都倒了。" }, { "concept_name": "细节决定成败，有时是真的！", "explanation": "蝴蝶效应提醒我们，不要忽视那些看似不起眼的细节或微小的行动。在关键时刻，一个正确的（或错误的）小决策，可能对未来产生巨大的影响。所以，在做重要选择时要更加审慎。" }, { "concept_name": "世界充满不确定，预测未来很难。", "explanation": "既然初始条件的微小差异就能导致结果巨大不同，那就意味着对复杂系统的长期行为进行精确预测是非常困难的。我们要接受这种不确定性，更注重适应变化和管理风险，而不是试图完全掌控未来。" } ], "limitations": [ { "limitation_name": "难以预测具体的连锁反应路径和最终结果", "description": "虽然知道微小变化可能引发巨大后果，但具体会如何演变、最终结果是什么，往往难以预测。" }, { "limitation_name": "容易被滥用或进行牵强附会的解释", "description": "有时人们会把毫不相干的事件强行联系起来，归结为蝴蝶效应，缺乏严谨性。" }, { "limitation_name": "并非所有系统都对初始条件如此敏感", "description": "有些系统具有较强的稳定性和鲁棒性，微小的扰动可能很快被吸收，不会产生显著的长期影响。" }, { "limitation_name": "可能导致过度焦虑或决策瘫痪", "description": "过分担心微小行动的潜在负面后果，可能让人不敢行动或犹豫不决。" } ], "common_pitfalls": [ { "pitfall_name": "将任何小事引发的大后果都归结为蝴蝶效应", "description": "忽略了事件发生的概率、其他影响因素以及系统的内在稳定性。" }, { "pitfall_name": "只关注负面的蝴蝶效应，忽略了正面可能性", "description": "微小的积极行动同样可能通过连锁反应带来巨大的正面改变。" }, { "pitfall_name": "试图精确控制复杂系统以避免蝴蝶效应", "description": "对于混沌系统，精确控制往往是徒劳的，更应注重系统的韧性和适应性。" }, { "pitfall_name": "在事后分析中进行过度简化或牵强附会的归因", "description": "从事后结果出发，强行寻找一个微小的“初始原因”来解释，可能忽略了更复杂的真实过程。" } ], "common_problems_solved": [ { "problem_description": "如何预见和评估微小行动的长远影响？", "keywords": ["蝴蝶效应", "连锁反应", "长期影响", "系统思维"], "guiding_questions": [ "这个行动会触动系统的哪些环节？", "可能产生哪些连锁反应？", "长期影响的范围有多大？" ] }, { "problem_description": "如何在复杂系统中做出审慎决策？", "keywords": ["决策审慎", "风险评估", "系统复杂性", "不确定性"], "guiding_questions": [ "有哪些可能的不确定因素？", "如何降低负面连锁反应？", "系统的稳定性如何？" ] } ], "visualizations": [ { "title": "蝴蝶效应连锁反应图", "type": "flowchart_dsl", "data": "graph TD;\nA[初始条件] -->|微小变化| B[直接影响];\nB -->|放大| C[次级影响];\nC -->|扩散| D[系统影响];\nD -->|累积| E[长期结果];\nF[反馈循环] -->|强化| C;\nG[系统特性] -->|影响| D;", "description": "展示初始微小变化如何通过连锁反应产生巨大影响。" }, { "title": "复杂系统影响评估步骤", "type": "list_items", "data": [ "1. 识别初始变化", "2. 分析直接影响", "3. 追踪连锁反应", "4. 评估系统反馈", "5. 预测长期效应" ], "description": "评估复杂系统中初始变化影响的五个关键步骤。" } ] }