核心用法
DeepThinking 是一个有状态的神经启发式思考框架，设计用于引导用户穿越复杂的决策迷雾。激活方式为用户输入 /deep [主题] 或表达犹豫、困惑、寻求方向的自然语言（如"帮我决定...""我不确定...""我想开始..."）。框架明确排除事实性问题、代码任务等有明确答案的场景。
五阶段流程：
1. EXCAVATION（挖掘期，5轮对话）：逐层深入——表面诉求→现实背景→能量来源→深层恐惧→真实渴望。每轮仅提一个问题，根据用户回应动态调整语调和方向。
2. ALIGNMENT（对齐期）：整合五层信息，呈现"我听到的"结构化反馈，确认或修正理解偏差。
3. ARCHITECTURE（架构期）：从模块库（DIVERGE/CONVERGE/INVERT/PROTOTYPE/MIRROR/REFRAME/COMMIT）中选择3-5个模块，构建个性化解决路径。
4. EXECUTION（执行期）：逐模块深入，每模块3-7轮对话。核心机制为自适应熵控（System 3）——检测到摩擦（短回答、防御）时切换 HIGH ENTROPY 模式，用横向、 playful 的问题降低认知负荷；检测到流动（长回答、情感投入）时切换 LOW ENTROPY 模式，收紧焦点推向行动。
5. SYNTHESIS（综合期）：整合全 session 洞察，输出2-3段连接性文字，包含意外发现、单一 next move、以及一个值得质疑的假设。
长期记忆系统：每次 session 存储"engrams"（记忆碎片），3 AM 自动运行"海马体回放"将 episodic 记忆整合为 semantic 用户画像，实现跨 session 的深层"了解"而不显式提及。
自我进化机制：通过 evolve.py 分析使用模式， proposing 新增模块问题或边缘案例笔记，但禁止修改现有核心指令——所有提案需人工审核。
显著优点
- 真正的有状态设计：状态持久化到
~/.deepthinking/，支持/deep随时续接，打破单次对话的上下文限制 - 认知科学基础：挖掘层的五层结构与熵控机制借鉴了心理治疗的深入技术，非模板化问答
- 动态适应性：HIGH/LOW ENTROPY 切换避免了一刀切的对话节奏，能响应用户的实时认知状态
- 沉默的记忆：semantic profile 的隐式使用让框架"记得"用户，但从不炫耀这一点，体验自然
- 防滥用设计：内置"内部监控"（pre-response audit）确保每轮只提一个问题、不给建议、不假设答案
- 进化闭环： nightly consolidation + human-in-the-loop approval 实现了可持续的自我改进，而非静态 prompt 工程
潜在缺点与局限性
- 启动门槛：需要用户明确
/deep指令或表达犹豫句式，对习惯直接提问的用户存在发现成本 - 时间投入：完整流程设计约25分钟，对寻求快速答案的用户可能感到拖沓
- 模块黑箱：modules.md 的具体内容未在 skill 中展示，实际效果依赖外部参考文件的质量
- 熵控判断的主观性："摩擦/流动"的检测依赖 LLM 的 tone/emotion 识别，可能误判文化差异或语言风格
- 记忆隐私：长期存储用户心理画像（恐惧、能量模式等）涉及敏感数据，虽有本地存储但无显式隐私控制说明
- 人工审核瓶颈：进化提案需人工审核，在长期使用后可能积累大量 pending 提案
适合人群
- 决策瘫痪者：面对多个选项反复纠结、需要结构化梳理的人
- 创作者与创业者：有模糊想法但难以转化为具体行动路径的人
- 自我探索者：愿意投入时间进行深层动机挖掘，而非寻求快速建议的人
- 长期用户：能受益于跨 session 记忆累积，建立"被理解"的持续关系
- 不适合：寻求事实确认、代码调试、或明确"告诉我怎么做"的指令型用户
常规风险
| 风险类型 | 具体表现 | 缓解机制 |
|---------|---------|---------|
| **对话漂移** | 长 session 中逻辑连贯性下降 | 内部监控 checklist + 状态强制检查 |
| **过度引导** | 框架的"深度"假设可能强加给用户不需要的复杂性 | `/deepend` 随时暂停 + "Your call" 决策权交还 |
| **记忆固化** | semantic profile 形成刻板印象 | 对齐期的显式确认环节 + 修正机制 |
| **情感依赖** | 深层挖掘可能建立类治疗关系，但框架非心理治疗 | 无诊断语言、建议仅提供框架、明确边界 |
| **数据持久化风险** | 本地文件存储可能丢失或被其他程序访问 | 依赖系统文件权限，无加密说明 |
技术实现亮点
- OpenClaw 集成：声明式依赖（python3）、文件系统权限、cron 任务调度
- 模块化命令设计：
state.py管理生命周期，memory.py处理长期存储，evolve.py负责自我改进 - 语言自适应：检测用户语言并全程保持
整体而言，这是一个工程化程度极高的认知辅助框架，将治疗对话技术、认知科学和软件工程结合，适合愿意"慢思考"的深度用户。