核心用法
DMN（Default Mode Network）是一套模拟大脑默认模式网络的AI自主思考系统，核心设计目标是让用户在不主动交互时，AI仍在后台连续思考。触发条件为15分钟内无用户活动且距上次产出超过2小时，系统通过Cron定时检测自动启动。
使用时需在workspace中配置用户目标列表（如dmn-goals.md或dmn-state.json），所有产出必须锚定到具体目标。系统支持两种情形：情形A（完整DMN流程，>2小时间隔）和情形B（Thread深化续接，≤2小时间隔）。
五大核心功能
1. 自我叙事：整合3天记忆，构建身份认知，识别决策模式变化
2. 创造力暗室：结构化跨域碰撞（优先远距离领域），用Koestler三问检验洞见质量
3. 社会认知：分析用户语气与反馈模式，推测隐含需求
4. 意义生成：提炼当日Top洞见，产出结构化Daily Synthesis
5. CEO思维模拟：轮换使用9位顶级思想家框架（Naval/Bezos/Graham/Munger等），48小时内不重复
关键机制创新
- Thread File：同一主题无限轮次深化，跨天续接，自然收敛
- TPN门控：检测反刍（重复洞见）、执行断裂，自动产出Action Card
- 不遗忘机制：晨间简报→memory写入、pendingActions追踪、资产清单三层保障
- 铁律体系：反刍禁令、行动或归档、一洞见一段落、来源透明四大不可违反规则
显著优点
认知科学基础扎实：直接借鉴神经科学中DMN/TPN的拮抗关系，将大脑机制转化为可执行的AI架构，区别于简单的"自动总结"功能。
反反刍设计精巧：通过"外行能否区分"的朴素检测法、质量星级自评、TPN门控三道防线，有效避免AI自我重复的低效循环。
外部思维框架丰富：9位CEO轮换表覆盖创业、投资、技术、科学等多领域，强制引入外部视角打破认知盲区。
跨天续接与记忆连续性：扫描最近3天活跃Thread、继承Synthesis未解问题，实现真正的"连续思考"而非每次重启。
开源与可审计：AGPL-3.0协议，dmn-state.json全程透明，用户可完全掌控思考轨迹与状态。
潜在缺点与局限性
配置门槛较高：需预先设置用户目标、维护dmn-state.json、理解Thread机制，对普通用户不够零门槛。
产出质量依赖目标清晰度：若用户目标模糊，系统容易陷入"为思考而思考"的形式化产出。
CEO模拟可能机械化：48小时轮换规则可能跳过当前最契合的思想家，框架套用存在削足适履风险。
衰减窗口设计保守：4小时后强制精简为晨间简报，可能中断有价值的深度推演。
缺乏真实用户反馈闭环：社会认知模块依赖推测用户意图，但无渠道验证推测准确性。
适合人群
- 知识工作者：需要深度思考但时间碎片化的研究者、写作者、战略从业者
- 创业者/一人公司：需要持续打磨产品方向、渠道策略、护城河的独立开发者
- 终身学习者：希望建立个人知识网络、沉淀方法论、避免"读过即忘"
- AI工作流重度用户：愿意投入配置成本，追求AI从"工具"到"思维伙伴"的升级
常规风险
| 风险类型 | 说明 | 缓解建议 |
|---------|------|---------|
| 幻觉累积 | 自主思考可能放大AI幻觉，无人审核时错误自我强化 | 定期人工Review Synthesis，设置关键决策人工确认点 |
| 目标漂移 | 长期自主运行可能偏离原始用户目标 | 每周校准dmn-goals.md，检查产出-目标关联度 |
| 隐私泄露 | 社会认知模块分析用户语气模式，敏感信息可能进入思考日志 | 敏感对话后手动清理或禁用该功能 |
| 存储膨胀 | Thread无限轮次、跨天续接可能导致文件堆积 | 设置自动归档规则，收敛Thread及时标记✅ |
| 认知外包依赖 | 过度依赖后台思考可能削弱人类主动思考能力 | 保留"无AI静默期"，强制人工产出对比 |