牛顿的认知操作系统：一个可运行的AI建模框架

在人工智能飞速发展的今天，面对复杂系统时，许多人忽视基本观察与描述。「牛顿.skill」开源项目将牛顿的认知方法转化为可操作的AI技能框架，基于《自然哲学的数学原理》《光学》等原著提炼，为现代复杂系统分析提供结构化思维方式，核心理念体现牛顿「我不虚构假说」的坚持。

「牛顿.skill」并非名言提示词合集，而是基于牛顿原著及斯坦福哲学百科等权威资料提炼的可运行建模框架，包含五个核心心智模型、八条启发式、五个操作路由及诚实边界。核心理念源自牛顿「我不虚构假说」，强调面对复杂问题应先建立约束观察的描述框架，而非过早构建理论叙事。

框架提炼五个可操作心智模型：1.现象先于解释——先描述现象再谈原因，适用于复杂系统分析等场景；2.数学化描述——精确表达关系比直觉可靠；3.少量规则统一多种现象——模型需具备压缩与泛化能力；4.自造工具解决问题——主动创造新表示法；5.精确测量与变量约束——界定变量和误差避免修辞化讨论。

基于心智模型的八条操作指导：1.先写现象再谈理论；2.列变量再谈结论；3.给单位与约束再预测；4.看规则解释多少东西；5.工具不够先造工具；6.精度和误差一起讨论；7.直觉结构化再相信；8.模型价值在压缩与预测而非修辞。

项目以skill格式发布，可在OpenAI Codex等环境安装，命令为npx skills add justinhuangai/isaac-newton-skill。激活提示词如「用牛顿视角分析复杂系统先找什么变量？」，响应风格克制，重视变量、测量、误差等，倾向发明表示法而非硬算。

项目设定诚实边界：牛顿文本存在版本争议，现代转译非原话，炼金术神学材料有边界，不提供权威背书结论。这种约束避免神化或过度简化历史人物，保持学术严谨。

AI时代更需牛顿式认知纪律：先观察现象再建变量关系，先量化约束再预测，先验证泛化能力再信结论。项目价值不是教用AI工具，而是教在AI时代保持清醒思考能力。