核心用法
Second Order Effects 是一套结构化决策分析框架，核心在于强制用户超越即时结果，系统性地追踪决策的第二阶和第三阶效应。其标准工作流程包含：
1. 三层深度分析 — 第一阶（即时）、第二阶（数周至数月）、第三阶（数月至数年），每层均需列出具体因果链条
2. 利益相关者映射 — 追踪直接参与者、间接观察者、市场/生态系统及未来自我在各阶的受影响情况
3. 逆向检验 — 对每层效应分别进行乐观与悲观推演，主动寻找"什么会出错"
4. 时间权重校准 — 采用 0.5:1.0:1.5 的权重系数，纠正人类对即时结果的过度重视
5. 可证伪预测记录 — 所有分析需包含带时间戳的预测，季度复盘并更新模式库
显著优点
- 对抗认知偏差：强制机制有效对抗"第一阶思维"本能，避免短视决策
- 复利效应捕获：专门识别常被忽视的正向二阶/三阶收益
- 风险前置暴露：通过逆向提问在决策前暴露系统性风险
- 学习型结构：
patterns.md积累历史决策模式，实现经验复用 - 完全本地化：所有数据驻留
~/second-order-effects/，零外部传输
潜在局限
- 分析成本：完整执行需 15-30 分钟，紧急场景可能不适用
- 概率幻觉：虽提醒使用概率区间，但未提供具体校准方法
- 复杂系统盲区：高度耦合的系统中，三阶以上效应可能超出预测能力
- 无决策权：仅提供分析框架，最终决策仍依赖用户判断
- 依赖自律："常见陷阱"提示显示用户可能跳过深层分析
适合人群
- 战略决策者（投资、职业转型、重大采购）
- 产品经理评估功能取舍的长期影响
- 政策制定者或组织管理者
- 任何面临"当前痛苦换取长期收益"情境的个体
常规风险
- 分析瘫痪：明确设置 15-30 分钟时限以应对此风险
- 过度自信：通过概率区间和季度复盘机制 mitigating
- 数据持久化风险：本地存储意味着用户需自行备份
~/second-order-effects/ - 模式污染：错误的历史模式若进入
patterns.md可能误导未来分析