给 AI 一个它篡改不了的账本：Reckoner 决策内核完整拆解

[LuckyOneTwoThree]

我做了六个 AI skill，然后把它们全删了重写。

原因很蠢，但你大概率也遇到过：它们每一个单独跑都很惊艳，串起来一文不值。

第一次对话，AI 帮我把想法拆成了十二条假设，锋利、结构化、条条戳心。第二天我开新会话继续问，它已经完全不记得那十二条是什么了——于是又重新拆了一遍，这次是十四条，和昨天有六条对不上。

第三天我意识到问题的本质：

💀

市面上绝大多数 AI 垂直助手，本质是「无状态文档生成器」。

它们生产的不是资产，是一次性的漂亮废纸。你每次都在为同一段上下文重新付费，而判断从不累积。

所以我写了 Reckoner——一个跑在 Claude Code / Cowork / Codex 上的 PM 决策内核。

这篇文章我想拆的是它背后那个东西：决策内核（decision kernel）——把一个主观、可刷、易自欺的判断过程，编码成一组可被机器检查的数据对象。

它要回答三个递进的问题，后面三层架构一一对应：

1. 判断怎么才能被证伪？→ 对象层：thesis 六格 + 每条假设强制携带 failsIf / killCriteria
2. 判断怎么才能被攻击？→ 策略层：红队 skill + 裸奔假设自动点名
3. 判断怎么才能被累积而不腐坏？→ 纪律层：证据分级 + 确定性硬闸

很多人会把第 3 条读成「这是个 AI 记忆方案」。不是。记忆可信是手段，判断可信才是目的——如果判断不需要跨月累积，第 3 层根本不必存在。

🔗

仓库直达 → GitHub - LuckyOneTwoThree/reckoner: 会顶嘴、有记忆的 PM 决策内核。每个 skill 回写 thesis + 假设台账,跨会话累积假设与证据。LLM 判断,脚本纪律。/ A PM decision kernel that talks back and remembers. Every skill writes back to a thesis + assumption-ledger, accumulating across sessions. LLM judges, scripts enforce. · GitHub

MIT License · Node ≥ 20 · 零依赖，git clone 完就能跑。

懒得读架构的：clone 下来，拿你手上最模糊的那个想法跑一句 @assumption-xray，30 秒就知道值不值得往下读。

---

一、先给你 30 秒的体感：AI 顶嘴长什么样

先别看架构。你先感受一下产物，不然后面全是抽象名词。

输入（一句典型的、听起来很合理的产品想法）：

做个 AI 记账 App，主打自动分类，大家都嫌手动记账烦。

Reckoner 的回应：

🩲 裸奔假设 A-01（影响：高 × 证据：L1）
   用户愿意为「自动分类」授权银行数据、放弃手动掌控感
   ├ Fails if：访谈 10 人，<3 人愿意连银行卡
   ├ 最便宜验证：5 人看假界面问「你会连吗」（0 成本 / 1 天）
   └ kill 标准：连接意愿 <30% → 整个方向重估

⚔️ 最致命追问
   分类准确率只有 80% 时，用户觉得「省事」还是「更不放心」？
   —— 这决定了你是提效工具，还是焦虑放大器。

注意三件事，它们分别对应后面三层架构：

1. 它没有夸我，它点名了我裸奔的那条假设——这是红队策略层。
2. 每条假设都带 Fails if / 最便宜验证 / kill 标准——这是结构化产物的 schema 约束。
3. 「影响高 × 证据 L1」这个判定不是 LLM 说的，是脚本算出来的——这是确定性纪律层。

第 2 点是整个项目的题眼。那三个字段不是输出格式，是决策内核的 schema——它们强制一条假设在出生时就携带自己的死亡条件。第 1 点和第 3 点都只是为了保护第 2 点。

---

二、先讲护栏：LLM 负责判断，脚本负责纪律

下一节才是本体（决策内核那两个对象）。但必须先讲这条原则，否则你会以为内核只是两份 JSON schema——内核之所以可信，全靠这条职责边界撑着。

这是 Reckoner 的第一原则，也是我认为最值得被抄走的一条。

⚖️

LLM 做拆解、攻击、归类、写作；确定性脚本做校验、ID 分配、上限约束、状态判定。二者不互相替代。

为什么必须切开？因为 LLM 有一个致命的自反性问题：

如果交给 LLM	会发生什么	Reckoner 的处理
判断「这条证据够不够强」	它倾向于给自己刚生成的东西打高分	脚本硬校验：来源 reliability 决定 evidenceLevel 上限，越级直接 exit 1
分配假设 ID	跨会话必然重号、跳号、覆盖历史	脚本按类型自动分配 A-01 / B-02，人和模型都无权指定
判断「哪条假设在裸奔」	看心情，同一份数据两次结论不同	派生字段，validator 现算：影响高 × 证据弱，不落盘、无从篡改
决定「要不要提醒你复核」	它不会主动扫描过期项	freshness.ttlDays 到期，脚本标 stale

一句话：凡是「模型有动机对自己宽容」的地方，就必须由确定性代码接管。

这不是不信任 LLM，这是最基本的职责隔离——就像你不会让业务代码自己决定数据库约束。

---

三、决策内核：把「判断」编码成两个对象

这一节是全文的本体。前面的红队、后面的校验脚本、整套 skill，都是围着这两个对象长出来的外围。仓库里 kernel/ 目录的注释只有三个字：真 IP。

我砍掉了 OST、砍掉了 decision-log schema、砍掉了 persona 对象。P0 最终只留两个：

对象	角色	本质
thesis（论点）	北极星	一个必须可被证伪的陈述：目标用户 / 核心问题 / 解法假设 / 为什么是现在 / 成功信号
assumption-ledger（假设台账）	心脏	把论点拆成可验证假设，分类管理、分级留存

数据契约（真正的 IP 在这里）

// assumption-ledger 单条
{
  "id": "A-01",                    // 脚本分配，类型前缀 + 项目内序号
  "type": "A",                     // A 用户价值 / B 商业可行 / C 技术可行 / D 安全合规
  "statement": "...",              // 可证伪陈述
  "impact": "high",                // high / med / low
  "evidenceLevel": "L1",           // L1 只是觉得 → L4 数据验证
  "status": "todo",                // todo / testing / validated / refuted
  "failsIf": "...",                // 什么结果算它挂了
  "cheapestTest": "...",           // 最便宜的证伪方式
  "killCriteria": "...",           // 触发什么就整个方向重估
  "provenance": {
    "reliability": "self",         // self / indirect / direct / data
    "source": "...",
    "signedOffBy": null,           // 分级 sign-off：强声明必须人工签字
    "signedOffAt": null
  },
  "freshness": { "lastVerified": "2026-07-21", "ttlDays": 90 }
}

四类假设 A/B/C/D 不是分类癖，是覆盖检查表——它逼你回答四个不同维度的死亡问题：

• A 用户价值：用户真有这个痛点、愿意为此改变行为吗？
• B 商业可行：这模式能赚钱、单位经济成立吗？
• C 技术可行：做得出来吗？性能 / 成本 / 集成扛得住吗？
• D 安全合规：能上线吗？会不会踩监管？

绝大多数团队死在 D 和 B，但 90% 的讨论时间花在 A 和 C。分类法的价值就是让缺失的那一类无处遁形。

证据分级 L1–L4 与「信任天花板」

等级	含义	来源上限
L1	只是觉得	self
L2	间接信号	indirect
L3	直接证据	direct
L4	数据验证	data

关键约束一行话：evidenceLevel 不得高于来源 reliability 允许的上限，违反直接 exit 1。

这道闸拦住的是 AI 记忆系统最隐蔽的腐败——你自己拍脑袋的东西，在三次转述后变成了「已验证的事实」。加了硬闸之后，脑补永远只能是 L1。

🧠

设计信条：不可信的记忆，比没有记忆更糟。

给 Agent 加长期记忆的人很多，加「记忆可信度分级 + 确定性校验」的很少。前者是功能，后者才是系统。

但注意：这条信条服务的不是「记忆」，而是决策内核——判断要跨月累积，就必须保证累积的不是垃圾。

---

四、决策回路：让内核「活」起来

静态的 schema 只是数据库。让它变成 OS 的，是这条闭环：

三个让回路「活」起来的机制，每一个都值得单独抄走：

1. 裸奔假设自动判定 — 影响高 × 证据弱 = 你现在最该验的东西。validator 现算、不落盘，所以永远和最新数据一致，也无法被 LLM 讨好式地抹掉。
2. 分级 sign-off — 弱证据、结构改动自动落库（低摩擦）；≥L3 或 status 变更必须人工确认（高保真）。摩擦要加在正确的地方，而不是均匀分布。
3. 反驳循环 — 承重假设被推翻 → 论点自动标 needsRevision → 强制走 @revise-thesis 并追加 thesis.revisions[] 留痕。历史不可覆盖，只能追加。

还有一条容易被忽略的设计：validator 通过后会打印「 下一步」。有裸奔就推 @experiment-design，needsRevision 就推 @revise-thesis，全清就推 /decide。

这是把「工作流知识」编码进了确定性脚本，而不是指望 LLM 每次都记得提醒你。

---

五、能力清单：6 skill + 6 命令

Skills（原子能力，独立可触发）

Skill	触发	主要产出
assumption-xray（照妖镜，主角）	@assumption-xray <想法>	A/B/C/D 拆解 + 裸奔排序 + 最致命追问 + 逐条 Fails if / 最便宜验证 / kill 标准
user-insight	@user-insight <访谈>	2–4 个洞察主题 + 可证伪 A 类假设
competitor-teardown	@competitor-teardown <竞品>	竞品矩阵（含「现状凑合方案」）+ 市场缺口 → B/C 类假设
evidence-intake	@evidence-intake <证据>	归档 sources/ + 升降级台账 + 触发反驳循环
experiment-design	@experiment-design	把最便宜验证落成可追踪实验规格，status → testing
revise-thesis	@revise-thesis	结构化修订论点，追加 revisions，闭合循环

Commands

命令	作用
/new	初始化项目（slug 化命名 + 重名保护）
/list	列出所有项目 + 各自裸奔数 / 待 sign-off 数
/review	批量 sign-off（扫 ≥L3 或状态终局且未签字项）
/decide	go / pivot / kill 决策日志（append-only，不入 schema）
/retro	复盘校准：取 git-SHA 快照，对照当时假设分布 vs 现在结果
/lookup	跨项目查历史教训（全 workspace 按关键词 / type / status 检索）

/retro 是我个人最喜欢的一个：它把「当时你以为的」和「后来实际的」摆在一起。这是校准判断力的唯一方式，而绝大多数 PM 一辈子没做过一次。

不是 prompt 拼装：每个 skill 配 5 条 eval（含 / 对照 + 标注「最关键」条），覆盖入料口、红队关口、实验设计、收口、闭合全回路节点。

---

六、目录结构与工程约定

reckoner/
├─ AGENTS.md                    # agent 操作约定（Codex 约定读）
├─ CLAUDE.md                    # 指向 AGENTS.md（Claude Code 约定读）
├─ .claude-plugin/marketplace.json
├─ kernel/                      # 决策内核：数据模型 + 契约（真 IP）
│  ├─ thesis.schema.json
│  ├─ assumption-ledger.schema.json
│  ├─ writeback-contract.md     # 回写规范 + 分级 sign-off + 循环状态机
│  └─ templates/thesis.md
├─ skills/                      # 6 个原子能力
├─ commands/                    # 6 个斜杠命令
├─ tools/
│  ├─ new-project.mjs           # 初始化（零依赖）
│  ├─ validate.mjs              # 唯一确定性纪律闸
│  ├─ migrate.mjs               # schemaVersion 迁移（4.0 → 4.1）
│  └─ lookup.mjs                # 跨项目检索
├─ workspace/                   # 用户运行时数据（gitignored，项目间隔离）
└─ docs/ARCHITECTURE.md

三个值得注意的工程决策：

• workspace/ 不入库。 框架与数据彻底分离，一套 skills/ kernel/ tools/ 服务任意多个项目，ID 项目内编号互不冲突。
• tools/*.mjs 零依赖。 只要 Node ≥ 20，git clone 完就能跑。任何 npm install 都是采用率的税。
• 回路外补充件明确出圈。 decisions.md 和 artifacts/（PRD、商业分析等）不入 schema、不过 validate。内核只守判断，不管交付物——这条边界不划清，schema 会在三个月内膨胀成怪物。

---

七、怎么装（两种 Agent 环境）

git clone https://github.com/LuckyOneTwoThree/reckoner.git
cd reckoner

node tools/new-project.mjs my-idea      # 或在 agent 里 /new
# → 生成 workspace/my-idea/{thesis.md, ledger.json, sources/}

工具	发现方式
Claude Code / Cowork	skills/ 与斜杠命令原生自动发现，直接 @assumption-xray / /new；也可按 .claude-plugin/marketplace.json 作插件接入
Codex / Trae 等	对话里说「读 AGENTS.md 建立上下文」；skill 通过读对应 SKILL.md 执行，脚本走 shell

然后填 thesis.md 的六格论点，@assumption-xray 走起。

命令行是确定性护栏，agent 是友好门面——日常你只碰门面，说人话就行。

---

八、给同行的三条可迁移经验

即使你完全不做 PM 工具，这三条也能直接搬走：

1️⃣

先定义你领域的「判断对象」，再谈记忆和 prompt。

大多数人上来就问「怎么让 AI 记住上下文」，这是把手段当目的。先回答：我这个领域，一个判断由哪几个字段构成、什么条件下算它被推翻？对象定清楚了，记忆才有容器，prompt 才有靶子。

2️⃣

在「模型有动机自我宽容」的地方插入确定性代码。

评分、分级、去重、ID 分配、过期判定——全部交给脚本。LLM 只做判断题，不做裁判员。

3️⃣

把摩擦加在关键节点，而不是均匀分布。

弱证据自动落库、强声明必须签字。全自动会失真，全人工会没人用——分级 sign-off 是这两者之间唯一的活路。

---

真实场景

结尾

如果你只带走一句话：

不是给 AI 更好的 prompt，是给「判断」一个连 AI 都篡改不了的账本。

仓库在这：https://github.com/LuckyOneTwoThree/reckoner
（MIT License，Node ≥ 20，零依赖）

三个具体的参与方式：

• 想试用：clone 下来，用你手上最模糊的那个想法跑一遍 @assumption-xray，看它能不能顶到你
• 想拆架构：直接看 kernel/writeback-contract.md 和 tools/validate.mjs，两个文件就是全部核心
• 想搬范式：把 thesis + ledger 换成你领域的两个对象（法务：条款 + 风险台账；投研：论点 + 证据链），架构原样可用

特别想听两类反馈：照妖镜有没有真的顶到你，以及你的领域里对应的「两个内核对象」是什么。Issue 区见。

---

[迟迟]

区块链奥

?

[LuckyOneTwoThree]

哈哈理解这个联想，「账本 + 不可篡改」确实有点太像了 ，标题没取好
但真没链 ，主要是防止 AI顺着用户说话的本能，还有后续忘记自己做的决策
主要还是面向产品经理做需求决策用的

[xwyxu]

不错，我认为还可以增加子代理互相检查的功能

[AllenCheng]

上下文丢失是核心问题

[迟迟]

是的 我就说原理挺像的