核心用法
Think-Cog 是一种对话式认知协作技能，区别于传统的"指令-交付"模式。用户通过 chat_mode="agent" 启动多轮迭代对话，与 CellCog 共同探索问题本质。典型流程为：提出模糊问题 → AI 追问澄清 → 用户补充约束 → 共同推演方案 → 收敛为可执行决策。支持技术架构权衡、商业模式推演、创意方向探索、调试排障、人生决策等场景。
显著优点
1. 认知外包与视角补充：将"一个人苦想"转化为"结构化对话"，AI 提供框架性思维（如供需冷启动问题的三种解法）
2. 约束显性化：强制用户陈述预算、时间、团队规模等边界条件，避免空想
3. 渐进收敛：不追求首轮答案，允许 4-5 轮对话后涌现洞察
4. 执行衔接：思考结果可直接触发 research-cog、docs-cog 等执行型技能
潜在局限与风险
局限性：
- 依赖用户主动提供领域专业知识，AI 无法替代行业know-how
- 复杂技术决策中，AI 可能生成看似合理但工程不可行的方案
- 对话轮次增加时，上下文管理成本上升，可能遗漏早期约束
常规风险：
- 过度自信幻觉：AI 对不确定问题可能给出确定性建议，用户需保持质疑
- 责任模糊："共同决策"可能导致用户弱化最终判断责任
- 沉没成本陷阱：多轮对话投入后，用户可能因"聊了很久"而勉强接受次优方案
适合人群
- 独立开发者/技术负责人面临架构选型困境
- 早期创业者探索商业模式与增长策略
- 产品经理权衡需求优先级与资源约束
- 研究者/创作者寻求创意方向突破
- 任何面对"没有标准答案"的复杂决策场景者
来源可信度
由 CellCog 官方发布，属于平台原生技能（T1 级）。但需注意：该技能本质是对话接口封装，底层能力依赖基座模型，无独立安全审计报告。