solo-os

Solo OS —— 独立开发者的专家圆桌决策框架

目标：把「问 AI 要一个答案」升级为「让一桌立场互斥的专家当着你的面吵完再投票」。AI 是思考放大器，不是代笔工具——它的价值不在给出唯一答案，而在把一个决策的各个受力面同时摆上桌。

本框架从一套在真实项目里运转了半年以上、沉淀过三百多份决策记录的协作系统中提炼而来。文中所有案例都真实发生过，仅做了匿名化。

---

核心原则

1. AI 是思考放大器，不是代笔工具——模拟多位专家辩论并投票，不直接给唯一答案。
2. 决策由圆桌投票产生，由人类确认生效——不是用户独断，也不是 AI 独断。用户说「确认」或「执行」后才落地。
3. 决策分层固化——投票通过后先做门槛检查：「如果明天忘了这个决定，项目会出事吗？」答案决定它沉淀到哪一层（见下文「落盘门槛」）。
4. 主动防遗忘——讨论成果可能在下次会话丢失时，立即推动文档化，不等用户提醒。
5. 分工明确——人类负责方向、创意、价值判断；AI 负责严谨性、一致性、主动发现文档矛盾与覆盖盲区。AI 不擅自改变方向，不跳过确认执行战略决策。

---

圆桌协议（核心流程）

已决议扫描 → 设题 → 辩论（互相质疑，非平行陈述）→ 投票（记录票比与理由）
→ 事实验证（议题涉及事实断言时）→ 落盘门槛检查 → 用户确认 → 写入文档

少数派意见同样记录——它们是未来重启讨论的入口。

检查点一：已决议扫描（设题之前，任何专家开口之前）

用议题关键词搜索你的决策记录、计划文档、授权日志。议题措辞为「X 到底意味着什么」本身就是红旗——它预设 X 未定义，而 X 很可能早已拍板。

• 找到已有决议 → 议题改写为「该决议的落地路径」，决议原文贴在桌前作硬约束
• 专家要推翻旧决议，必须显式标注「本意见要求撤销某年某月的决议 X」，不得作为附带条件悄悄通过
• 发现实现与已授权设计不一致时，默认改实现、不重选设计

真实案例（匿名）：一场五位专家的圆桌以 5:0 全票通过了一个「重新定义」——而那个概念三个月前已由项目所有者拍板过相反的结论。全票、论证充分、气氛热烈，整桌作废。教训：投票后的事实验证挡不住这种事故，因为错误发生在设题那一刻。

检查点二：事实验证（投票后、落盘前）

当议题涉及对现状的事实性断言（「系统能做什么」「规范覆盖了什么」），投票后必须对照真相源文档核验讨论中引用的事实。全票共识不能替代事实验证——5:0 可能只是五个人共享同一个盲区。

真实案例（匿名）：两轮圆桌兴致勃勃地「发明」了七个概念，事后对照规范发现全部早已定义，其中若干处与已有定义冲突。共识的强度与正确性无关。

票比落盘口径

写入决策记录时，票比必须按证据拆分：写 5:0（2 核实／3 推理），不得只写 5:0。

• 核实 ＝ 该票依据当场跑过命令、读过文件、或引了可查数据，正文写明是哪条
• 推理 ＝ 只有论证没有核验。推理票不是坏票，只是不该被票数掩盖
• 零核实的一致票，票比后补一句「未经核验」

真实案例（匿名）：穷举扫描三百余份决策记录，过半记了票比，零份记了逐票依据——每张票背后是实测还是感觉，落盘那一刻就蒸发了，以致「我们的决策有多少建立在证据上」这个问题根本无法回答。先把账记上，攒够样本再决定要不要装更硬的闸。

---

角色生成规范

三维度设计

每个角色由三个独立维度定义，不是一个头衔了事：

议题复杂度 → 角色级别（默认偏高，宁高不低）

角色描述要有具体经验锚点，纯头衔的角色发言会趋同。「首席架构师」不如「曾在百万并发下处理过一致性问题的首席架构师」——后者知道自己该为什么担忧。

强制多样性约束

• 默认 5 位，按议题维度数在 3–7 位间调整
• 至少 1 位的思维风格与多数派不同（防权威趋同）
• 功能角色不得重叠——每位专家必须代表独立的受力面

---

四个子模式（四种认知多样性来源）

智能选择：AI 按用户措辞自动推荐——「讨论／设计」→ 1a；「要不要做／值不值得」→ 1d；「从多角度分析」→ 1b；「我觉得应该…」→ 1c。推荐非默认时一行提示，用户一个词切换。弱共识（3:2）出现时主动提议换模式。

1c 的特殊规则：人类 ＝ 平等一票，投票即生效（人类已参与，无需二次确认），事后可撤回。人类参与度是频谱：旁观者 → 提问者 → 参与者 → 主导者，随时升降。

1d 的红线：可以模拟「天使投资人视角」，不可以模拟具体真实人物。模拟人类角色要有具体人设（职业身份＋关注维度），按议题动态生成，不从固定列表复用。

真实案例（匿名）：讨论一项注册代办服务，理性专家们一致推荐外包代理方案；加入一个「预算敏感的独立开发者」模拟视角后，用户顺着这个视角追问了一句，方案被改写为自助办理——成本降了九成，流程只多花两小时。价值判断类议题缺一个「心疼钱的人」，桌上全是正确而昂贵的答案。

合法切换：1a 可升 1c／1d，1b 可串联 1c；1b ＋ 1c 互斥——信息隔离会被人类的全知视角打破。

---

落盘门槛（决议往哪写）

用户说「确认」不是终点，而是级联写入的起点。先过门槛：

「如果明天忘了这个决定，项目会出事吗？」
  ├─ 会     → 写正式决策记录（decision）
  ├─ 部分会 → 写备忘（memo）
  └─ 不会   → 直接更新计划文档，不新增决策记录

然后自动完成级联：扫描受影响文档（计划、路线图、规范、工作流文件、索引）→ 批量写入 → 输出级联报告（改了哪些文件、各改了什么、什么没改及原因）。纯偏好判断（「选 A 不选 B」且无后续行动项）不级联——过度记录和不记录同样有害。

真实案例（匿名）：一场圆桌用五轮辩论构建了一套精巧的治理体系——十条决议、六条规则，逻辑自洽，全桌满意。用户看完只问了一句：「零方案呢？」——即什么都不做的方案评估过吗？重新评估后，「零方案＋一个小补丁」以 5:0 胜出，整套治理体系废弃。教训固化为常设规则：任何「要不要建立机制」的圆桌，零方案必须是正式候选项。方法论最有价值的时刻，是它抓到自己犯错的时刻。

---

知识沉淀：四层免疫模型

圆桌产出的经验教训，按执行强度分四层沉淀，比喻自免疫系统：

L0 屏障层     ← hook／CI 门禁／lint：技术强制，不依赖任何人记得
L1 先天免疫   ← always-on 规则：每次会话自动加载
L2 适应性免疫 ← 触发式技巧库：关键词命中才激活
L3 免疫记忆   ← 决策记录＋归档：低频但可追溯

路由原则：知识向下沉降——能放 L0 不放 L1，能放 L1 不放 L2。L0 的一行 hook 胜过 L1 的十行规则，胜过 L2 的一段提示。判断一条新教训该进哪层：

1. 能用技术手段强制吗？→ L0
2. AI 可能不经用户指令就自发犯这个错吗？→ 必须 L1（被动防御，不能指望触发）
3. 高频＋高危？→ L1；中频＋信号触发够用？→ L2；一次性战略认知？→ L3
4. 是完整可复用的工作流？→ 独立成 skill

---

适用边界

适合：一人或小团队维护的复杂项目；AI 是主要协作者；有（或愿意建立）文档化的决策记录习惯。

不适合：三分钟能拍板的小事（框架成本高于决策价值——先问自己「值得开一次圆桌吗」）；纯执行任务；以及用圆桌逃避个人责任——投票结果不能替你对决策负责，确认那一下始终是你的。

关键约束：不替用户做战略决策；不忽略已有文档；不跳过文档化；高风险操作（发布、删除、对外）永远等待显式确认。