first-principles

v2026.09.24

Use when user is stuck by industry conventions ("大家都这么做"), faces a new problem with no precedent, or finds current solutions arbitrarily expensive (intuition says "it shouldn't cost this much"). Triggers on Chinese phrases 行业惯例 / 大家都这么做 / 为什么不能 / 这么贵不合理 / 颠覆性 / 从零开始, and English signals "everyone does it this way", "why is it so expensive", "let's think from scratch". Decompose to irreducible physical/logical truths then rebuild — bypasses analogy thinking. Musk's secret. Do NOT use for problems with proven best practice (Cynefin Clear domain — use SOP), time-critical decisions (first principles takes hours-days), high-emotion contexts (cool down first), or in low-psychological-safety teams (will create conflict with authority).

GitHub
Install command
npx skhub add jackjin1997/first-principles
Markdown
SKILL.md

First Principles · 第一性原理

一句话定位: 把问题拆到无法再拆的物理/逻辑事实,从那里重新推导 — 跳出「类比思维」的束缚。Musk 用它把火箭成本降了 90%。

何时使用 (TRIGGER)

  • 被「行业惯例」「大家都这么做」束缚
  • 新行业 / 新问题,没有可类比的先例
  • 现有方案成本高得不合理(直觉「不应该这么贵」)
  • 想做颠覆性创新而非渐进式优化
  • 用户说「为什么不能 X?」— 信号他在挑战默认假设

何时不要用 (ANTI-PATTERN)

  • 问题已有完美 best practice(Cynefin Clear 域)— 用 SOP 不要重新推
  • 时间紧 — 第一性原理需要深度推导(小时-天级别)
  • 高情感卷入 — 先冷静再用,否则会用「物理」合理化偏好
  • 团队不愿挑战权威 — 第一性原理会引发文化冲突,需先建心理安全

操作步骤 (STEPS)

1. 写下当前结论 / 当前做法

明确陈述「现状是什么」。例:「火箭一枚 6500 万美元」

2. 列每个支撑结论的隐含假设

强迫显式化。例:「火箭贵是因为:a) 材料贵 b) 工艺贵 c) 一次性使用 d) 供应链有限」

3. 对每个假设问:这是「物理/逻辑事实」还是「行业类比」?

  • 物理事实:化学反应、物理定律、人体生理、数学不等式
  • 行业类比:因为大家都这么做、因为传统、因为合规历史
  • 黄金问题:「这个假设在 100 年前 / 在另一个文明里 / 在外星智慧眼里 还成立吗?」

4. 把所有非物理事实剥离,只剩物理基本面

得到「物理上可能的方案空间」— 通常比当前现状大得多

5. 从基本面重新构建解决方案

不要回头看现状,从零设计

6. 对比物理基本面方案 vs 类比方案

  • 差距 = 类比惯性带来的成本 = 第一性原理的回报

决策 Checklist

  • 我列出了至少 5 个隐含假设
  • 我对每个假设标注了「物理 / 类比」
  • 我承认了至少 2 个假设是「类比而非物理」
  • 我从物理基本面重新设计了方案(不是优化现状)
  • 我能解释「物理允许但行业没做」的具体原因(监管/资本/认知/路径依赖)

真实案例

案例 1: SpaceX 火箭成本拆解(2002)

  • 现状:俄罗斯火箭一枚 6500 万美元
  • 隐含假设:a) 钛铝铜铁等材料贵 b) 制造工艺贵 c) 一次性使用是物理决定的
  • 物理事实:拆到原料 — 铝、钢、铜、铂金、燃料。原料成本 < 200 万美元(火箭总成本 < 2%)
  • 结论:6300 万的差异是「行业利润链 + 一次性使用」造成的,不是物理决定
  • 重建:自造 + 可重复使用。Falcon 9 单次发射 6200 万 → 复用后边际成本 < 1000 万

案例 2: Tesla 电池组成本(2008-2018)

  • 现状:业内 600 美元/kWh
  • 物理拆解:锂 + 钴 + 镍 + 铝 + 加工 = 80 美元/kWh(实际原料 + 加工成本)
  • 差距来源:规模不足 + 行业利润 + 上下游零散
  • 重建:Gigafactory 集中超大规模 + 垂直整合。2024 年降到 100 美元/kWh 量级

案例 3: 工程师的本地化测试

  • 现状:「不能本地跑这个集成测试,公司流程要 CI」
  • 隐含假设拆解:CI 提供了什么?— a) 数据库 b) 网络 c) 凭证 d) 报告 e) 评审
  • 物理事实:a-d 都可以在本地复现(docker 数据库 / 本地 mock 网络 / .env 凭证文件 / 本地 HTML 报告);只有 e 评审需要 CI
  • 重建:本地一键脚本搭起 a-d,5 分钟跑完测试;最后推 PR 给 CI 跑 e
  • 效果:开发-测试循环从 30 分钟降到 5 分钟

与其他框架的关系

  • Inversion 是「枚举负向」,First Principles 是「重建正向」 — 思维互补
  • Cynefin Complex/Chaotic 域里第一性原理特别重要(因为没有现成模式可套)
  • Second-Order Thinking 评估第一性原理方案的长期可行性

常见陷阱

  1. 把「我不熟」误当「物理不可能」:你不懂的事不代表不可能 — 应对:先问领域专家「这是物理限制吗?」
  2. 拆到分子原子层级(过度)— 应对:拆到「能采购 / 能合成 / 能验证」这一层就够
  3. 重建时偷偷又用类比(自我欺骗)— 应对:让一个外人 review 你的「物理基本面」
  4. 忽略社会基本面:法律、合规、信任、网络效应也是「基本面」,不只物理 — 应对:把社会基本面也作为「不可拆约束」

参考

  • Aristotle, Posterior Analytics (古希腊原典)
  • Elon Musk, 2013 TED interview ("First Principles Thinking")
  • Tim Urban, Wait But Why: "The Cook and the Chef: Musk's Secret Sauce" (2015)
  • Ozan Varol, 《Think Like a Rocket Scientist》(2020)
Discovery
Tags

No tags published for this skill.

Version
Latest version metadata

Version

v2026.09.24

Published

Sep 24, 2026

Category

Uncategorized

License

Not specified

Source path

skills/first-principles

Default branch

main

Latest commit

896286f

Tree SHA

251e554