认知组装者方法

解决什么问题

"没有这个方法时，人们通常犯什么错？"

大多数人的AI使用停留在**"会用工具"（L3），遇到复杂问题要么全自己扛，要么全扔给AI。他们缺少一个中间层能力**：把复杂问题拆开，判断每一块该谁做，再整合成完整结果。

AI时代最核心的能力，不是使用AI，而是决定"谁来做什么"。

---

核心框架：五步闭环

① 拆解（Decomposition）
    ↓
② 判定（Assignment Logic）⭐ 核心新增
    ↓
③ 分配（Allocation）
    ↓
④ 整合（Integration）
    ↓
⑤ 评估（Evaluation）
    ↺ 反馈回①

① 拆解能力（Decomposition）

把复杂问题拆成3-7个可执行的子任务。

判断标准：每个子任务必须满足"可独立执行+有明确产出"，如果拆完还需要同时做两件事，说明拆得不够细。

② 判定能力（Assignment Logic）⭐ 核心新增

对每个子任务使用人机分工模型判断执行归属。

两个判定维度：

四象限决策：

一句话规则：AI负责"确定性执行"，人负责"不确定性判断"。

判定步骤（对每个子任务回答两个问题）：

1. 这个任务是否有明确的规则/标准/流程？→ 结构化程度
2. 这个任务是否需要判断对错/承担责任/做出创造？→ 价值判断需求

③ 分配能力（Allocation）

把任务交给正确的执行体。

④ 整合能力（Integration）

把碎片化输出整合成完整价值。

关键原则：整合不是拼接，而是统一语境、消除矛盾、注入灵魂。AI的输出风格可能不一致，需要人做最后的"缝合"。

⑤ 评估能力（Evaluation）

输出完成后，回溯检查：

• 哪些子任务的分配不合理？
• 哪些本该人做的交给了AI（导致质量差）？
• 哪些本该AI做的留给了人（导致效率低）？

评估结果反馈到下一次的②判定环节，持续优化分配策略。

---

怎么用

标准调用（问题处理）

请使用「认知组装者方法（CG03）」处理以下问题：

【问题】
（输入问题）

请按以下步骤输出：

1. 问题核心目标重构

2. 问题拆解（3-7个子任务）

3. 对每个子任务进行"人机分工判定"：
   - 是否结构化？（高/低）
   - 是否需要价值判断？（高/低）
   - 应由谁执行？（AI / 人 / 协同）

4. 给出完整的任务分配方案

5. 执行流程设计（顺序 + 依赖）

6. 最终整合方式

7. 风险点（哪些地方容易分配错误）

高级调用（团队协作设计）

请使用「认知组装者方法」设计一个团队的AI协作方案：

输入：
- 团队角色列表
- 核心业务流程
- 当前痛点

输出：
1. 每个角色的"AI能力边界"（什么该用AI，什么不该）
2. 流程中每个节点的人机分工方案
3. 需要新增的"组装者"角色定义
4. 评估标准（怎么判断分工是否合理）

---

诊断分级

---

案例

问题：帮我写一份竞品分析报告

Step 1 拆解：

1. 确定竞品范围
2. 收集各竞品基本信息
3. 分析各竞品产品功能
4. 分析各竞品商业模式
5. 对比优劣势
6. 提出差异化建议
7. 撰写报告格式和排版

Step 2 判定：

Step 3 分配：7个任务，人做3个核心判断，AI做3个执行，1个协同

Step 4 整合：人做最终的逻辑统一和观点一致性检查

---

常见陷阱

1. "什么都让AI做"：判定环节偷懒，所有子任务都扔给AI → 输出缺乏洞察和判断力
2. "什么都自己做"：不相信AI的能力，所有环节亲力亲为 → 效率没有提升
3. "分完了就完了"：没有整合环节，AI的输出和人的输出风格不统一 → 拼凑感严重

---

方法关系

• 前置：CG01 AI认知的五阶模型（先定位认知层级，L3以上才能用好组装能力）
• 后续：CG07 原点再思考框架（拆解后需要洞察时使用）、CG14 方法卡结构设计（设计可复用的组装方案）
• 并行：CG02 三方共同进化模型（教育场景中的人机分工）

---

深度理解：从方法到操作系统

认知组装者的本质跃迁：

CG02（三方共进化）→ 教育系统的人机设计 CG03（认知组装者）→ 任务系统的人机设计

底层统一：都是"决定谁来做什么"的能力。这是AI时代最核心的元能力。