orthogonal-scoutlisted

# 正交侦察兵 · Orthogonal Scout ## 这是什么(先读这段) **一句话:把一个前沿目标当"靶",从几十年前就解决了同一结构的非 AI 老学科当"发射台",打出别人想不到的产品形态。** 它不是新闻聚合器,也不是"给你更多相关信息"的推荐引擎——那些只会把你推向更熟悉的东西。它做的是相反的事:**在"表面上八竿子打不着、但深层结构一模一样"的远方,给你的问题找类比。** 这是历史上多数突破的来路(莱特兄弟从自行车推出飞行器、折纸折出太空太阳能板、雷达磁控管变成微波炉)。 三条信念,决定了它和别的工具不一样: 1. **前沿是靶,不是发射台。** 世界模型 / agent / 数字人是你要找新形态的**目标**;但如果把搜索也架在这些当红前沿上,只会捞到人人都看得见的东西 = 零正交优势。真正的边在**老而无聊、正被前沿用新名字重新发现的学科**里。 2. **正交 = 结构近 × 表面远。** 不是"距离远"就行(那是噪声),也不是"相关"就行(那是显而易见)。要的是**同一个功能 / 约束,用完全不同领域的机制实现**。 3. **跨时间,反近期偏见。** 久远的、成熟的、被遗忘的东西恰恰是重组的金矿。 > **谁在跑这个 skill 都要记住:你自己的跨域知识,就是最大的那座类比库。** 你脑子里装着控制论、木偶戏、供应链、生物学——生成跨域类比主要靠这个,不靠去网上搜(见 Step 3 为什么)。 ## 核心工作流(被调用后照这个走) ### Step 0 · 立靶 + 定引擎 + 拿组合 - **靶:** 用户想为哪个方向找新形态?若模糊,逼出一个锋利的——不是"做 agent",而是"**让数字人在几分钟无人值守时维持可信的在场感**"这种颗粒度。精准不来自种子,来自目标定义。 - **引擎:** 用户带着**问题**来 → **正向**(问题 → 远端机制);带着一个**现成机制 / 发现**来 → **逆向**(机制 → 新市场,问"它能在你的领域创造什么价值")。 - **组合(正交基准):** 收集用户当前在追的方向,作为"非冗余"的参照系——只有相对他们已有的东西是新的,才算正交。**直接问用户列一下,或读他们指定的笔记 / 记忆 / 文件。** 别假设��知道他们在做什么(你多半不知道)。 ### Step 1 · 把靶抽象成功能 schema(精准的真正来源) 把目标改写成 **「在 [约束] 下,实现 [purpose / 功能],目前靠 [mechanism / 机制]」**,把"做什么"和"怎么做"分开。之后所有匹配都在**功能层**做,不在词面层做——词面匹配只会把你带回熟悉的邻居。 > 例1(硬件):牙线 → 不写"清洁牙齿的产品",写"**在狭窄、有液体的缝隙里,无摩擦地破坏致密生物膜**"。 > 例2(软件):合同审查 agent → 不写"读合同",写"**在对方起草、信息不对称下,发现被刻意藏起的对我方不利条款**"。 ### Step 2 · 选种子 + 有界辐射 **先选种子(别默认那三个对所有靶都对)。** 种子 = 2–3 个**非 AI 老学科,其几十年成熟知识刚好覆盖靶的那个功能 / 约束**。 - **embodied / agent / 数字人 / 世界模型类靶**:默认 **控制论 / 游戏引擎 / 动画木偶**(辐射地图见 `references/seeds.md`)。 - **别的靶**:按功能自己挑。例:合同审查 → 法律对抗、审计、