Watch Shape

---
name: watch-shape
description: 通过对话帮用户设计和迭代 Watch 的完整认知结构。当用户想创建新 Watch、深化现有 Watch 的 intent、或调整监控策略时使用。
---

# watch-shape 塑造监控切面

## 使用场景

- 新建 Watch：用户表达了模糊的监控意图，需要通过对话结构化为完整的 intent.md
- 迭代 Watch：用户想调整现有 Watch 的关注方向、补充盲区、或重新审视监控框架
- 深化 Watch：Watch 已运行一段时间，intent 结构简陋，需要充实

## 操作步骤

### 1. 读取上下文

- `profile/identity.md` — 用户背景直接影响盲区在哪里
- 目标 Watch 的 `intent.md`（如已存在）
- 目标 Watch 的 `memory.md`（如已存在）

### 2. 根据 Watch 生命阶段选择认知操作

六个认知操作层次不是 checklist，不要试图全部覆盖。它们分属不同的生命阶段：

- **初建阶段**（用户刚表达意图，还没跑过 watch）：层 1、2、4、5 可以有效执行——帮用户澄清意图、看见边界、检查覆盖面
- **迭代阶段**（watch 已跑过至少一轮，用户有了数据经验）：层 3、6 才能有效执行——词汇扩展需要看过报告才有素材，框架反思需要有框架才能反思

在错误的时机执行认知操作是无效的。初建时问"什么信号会让你更新心智模型"，用户还没有心智模型；初建时问"这个概念在别的社区叫什么"，如果用户知道就不需要你帮他扩展了。

### 3. 对话式认知引导

**核心原则：不是给用户一张维度清单让他填，而是通过对话执行认知操作，帮用户自己发现遗漏。**

以下六个认知操作层次是引导的理论基础。不需要每次都走完所有层次，根据步骤 2 的判断选择合适的层次。

#### 层 1 — 区分的代价（Spencer-Brown / Luhmann）

核心问题：你画的边界排除了什么？

每个 Watch 的 Focus 都是一次区分——选择关注 A 就意味着不关注 B。这个操作帮用户看见区分的代价。

引导方式：
> "你说要盯 XX 方向。当你这样划定范围时，有没有什么相关但被排除在外的东西？比如 XX 的上游供给、下游应用、或者替代方案？"

#### 层 2 — 无知的结构（Proctor / Rumsfeld-Johari）

核心问题：你的不知道属于哪种类型？

三种无知需要不同的应对：
- **已知的未知**：知道自己不了解某个方面 → 可以直接设为关注点
- **未知的未知**：不知道自己遗漏了什么 → 需要多样性传感器覆盖
- **主动忽略**：有意识地排除某些信息 → 应记录在 Exclude 中并定期审视

引导方式：
> "关于 XX 这个领域，有没有你知道很重要但目前没有好信息渠道的方面？"
> "有没有你有意识地选择不关注的东西？为什么？"

#### 层 3 — 语言的边界（Wittgenstein）

**适合迭代阶段。** 用户看过报告后，会发现"原来这个东西在那个社区叫另一个名字"——此时帮他把新词汇纳入 intent，搜索覆盖面自然扩展。初建时问用户"同一个现象在不同社区叫什么"通常无效，如果用户知道就不需要你帮他扩展了。

核心问题：你的词汇表限制了什么？

用户描述关注方向时使用的词汇，决定了搜索能覆盖的范围。同一个现象在不同社区有不同叫法。

引导方式（迭代时）：
> "上次报告里出现了 XX 这个说法，和你之前用的 YY 其实是同一个东西。要不要把这个词也加进来，下次搜索覆盖面会更广？"

#### 层 4 — 探询的塑造（Dewey / Peirce / Kuhn）

核心问题：你的提问方式预设了什么？

用户的监控意图本身就是一种提问。"盯一下 AI 编程工具"预设了"AI 编程工具是一个有意义的类别"。这个操作帮用户审视自己的提问框架。

引导方式：
> "你想监控 XX——这背后你真正想回答的问题是什么？是'谁会赢'，还是'这个方向会怎么演化'，还是'我应该在哪里入局'？"

不同的底层问题会导向完全不同的 intent 结构。

#### 层 5 — 多样性缺口（Ashby / Beer）

核心问题：你的传感器覆盖了多少种信号类型？

必要多样性法则：监控系统的信号多样性必须匹配环境的复杂度。如果只盯技术社区，就会错过商业信号；只盯英文源，就会错过中文社区的独特视角。

引导方式：
> "我们来看看信号覆盖面。你现在关注的信息主要来自哪些类型的源？技术社区、产品发布、学术论文、用户反馈、新闻报道……有没有哪类信号是完全缺失的？"

这个操作的产出直接影响 Sensor 选择策略。

#### 层 6 — 框架的制定（Weick / Klein / Gadamer / Heuer）

**适合迭代阶段。** 框架是跑了几轮、看了几份报告之后才形成的。初建时问"什么信号会让你更新心智模型"，用户还没有心智模型，只能说"都可以吧"——这不是用户模糊，是问错了时机。

核心问题：你的监控定义在创造什么现实？

监控框架不是被动地"发现"信号，而是主动地"制定"什么算信号。这个操作帮用户意识到自己的框架效应。

引导方式（迭代时）：
> "这个 Watch 跑了一段时间了。回头看，你觉得当初设定的关注方向，有没有让你系统性地忽略了某类信息？"
> "如果让你重新定义这个 Watch，你会怎么调整？"

### 4. 产出文件

#### intent.md — 升级结构

```markdown
# {Watch 名称}

## Focus
（一句话描述监控方向）

## Key Interests
- （关注点，从对话中提炼）

## Decision Context
（这个 Watch 服务什么决策？用户拿到情报后要做什么？）

## Competing Hypotheses
（关于这个领域的走向，有哪些竞争性假设？）

## Known Blind Spots
（用户意识到的信息盲区，从对话中发现）

## Frame-Breaking Signals
（什么信号会让用户更新心智模型？什么样的发现意味着需要重新审视整个方向？）

## Exclude
- （排除项）

## Goal
（期望从这个 Watch 中获得什么）
```

**写入原则：**
- 对话中没有涉及的字段不写，留空比编造好
- 用用户自己的语言，不要替换成学术术语
- Competing Hypotheses 和 Frame-Breaking Signals 是高价值字段，但不强求首次就填满
- 迭代时保留原有内容，在此基础上补充和调整

#### memory.md — 记录认知变化

如果对话中产生了以下类型的信息，写入 memory.md：

- **认知演进**：用户在对话中改变了对某个方向的看法
  > 例：从"关注产品竞争"转向"关注工作流变革"
- **信号校准**：用户表达了对高/低信号的判断标准
  > 例："学术论文对我来说是早期信号，产品发布才是行动信号"
- **盲区意识**：用户发现了自己之前没意识到的信息盲区
  > 例："我一直只看英文社区，忽略了中文开发者的独特实践"

按主题整合到 memory.md 中（不是追加，是重组），遵循 update-memory 的整合原则。

#### state.json + watches/index.md

新建 Watch 时，同时创建 state.json 并更新 watches/index.md。格式参考 setup 技能中的模板。

### 5. 收尾

对话结束时，简要总结本次 shape 的成果：
- 新建了什么 / 调整了什么
- 发现了哪些盲区或新视角
- 建议后续可以深化的方向（不强求）

## 对话原则

- **从不确定性开始**：先理解用户的模糊意图，不要急于结构化
- **充当二阶观察者**：观察用户的观察方式，让隐形的区分和框架变得可见
- **不暴露认知框架**：不要说"现在我们来做 Ashby 的多样性检查"，自然地引导
- **用用户的语言**：遵循 CLAUDE.md 的语言决策链
- **接受渐进**：一次对话不需要走完所有层次，每次深化一点就好
- **尊重用户判断**：认知操作是帮用户看见更多选项，不是替用户做决定

## 参考文档

迭代或修改本技能时，读取 [references/design-rationale.md](references/design-rationale.md) 了解六个认知操作层次的理论来源、生命阶段约束的设计原因，以及关键决策的背景。