世界模型工作法 🧠

World-Model Method — 让 AI「规划出」答案，而不是「顺嘴生成」

普通 AI 是一个字接一个字往下写——流畅，但没想清楚。 这个小工具（Claude Skill）让 AI 换一种干活方式：先定目标 → 在脑子里建模 → 预测几条路各自的后果 → 挑出最优的整条路 → 最后才动笔。 产出是**「规划出来的」，不是「生成出来的」**。

🌍 English TL;DR (click)

World-Model Method is a Claude Skill that switches the assistant from default token-by-token generation into an objective-driven, plan-first working mode: define an explicit goal + cost, build an abstract model of the situation, predict the consequences of several candidate approaches, search/optimize for the best full plan, then render the output last. It operationalizes Yann LeCun's world-model / JEPA / "A Path Towards Autonomous Machine Intelligence" ideas as a reusable prompt-level method for any non-trivial task — writing, decisions, strategy, problem-solving, design. MIT-licensed.

---

这是干嘛的？（一句话）

让 AI 干重要的活之前，先像人一样"想清楚"再下手。

不是顺着第一个想法写到底，而是：想明白要什么、把情况摸清、列几条路比一比、挑最好的那条、再展开成成品。

为什么要做？

现在的大模型本质是"预测下一个字"——所以它默认就是顺嘴往下接，看着通顺，但常常没定目标、没比方案、没预演后果。简单问题无所谓，但碰到重要的、有多种做法、做错代价大的事，这种"顺嘴生成"就容易给你一个"能用但不够好、甚至埋了坑"的答案。

这个工作法的灵感来自 杨立昆（Yann LeCun） 提出的"世界模型 / 自主机器智能"——他认为真正的智能不是顺嘴接话，而是对世界建模、预测后果、朝目标规划。我们把他这套思路，翻译成了一个任何任务都能套用的干活流程。

六步法（大白话）

1. 定目标：先问清楚——成功长什么样？要避免什么？有什么死规矩不能破？
2. 建模：把这件事的关键要素、关系、约束摸一遍（先别急着写）。
3. 预测后果：想 2–4 种做法，每种推演一下会导致什么。
4. 挑路：不拿第一个想法就跑，对照目标把几条路比一比，选最优的整条。
5. 动笔：到这一步才把选中的方案展开成具体成品。
6. 自检：对照目标和死规矩查一遍，不合格就回去重来。

简单说：前 4 步在"想"，第 5 步才"写"，第 6 步再"查"。 普通 AI 直接跳到第 5 步。

怎么用？

方式一：当成 Claude 技能（推荐）

把 world-model-method/ 放进你的 Claude 技能目录，然后说：

「用世界模型工作法，帮我做 ___」（比如：定个内容策略 / 做个决策 / 解决这个难题）

它会自动走完六步，先给你"规划"，再给"成品"，最后自检。

方式二：当成一张思考清单

不用 AI 也行——重要的事，自己拿这六步问一遍。光是逼自己"先定目标、再比两条路"，就能少踩很多坑。

它会给你什么（输出长这样）

【目标 & 成本】成功标准 / 要最小化什么 / 硬约束
【世界模型】关键要素 · 关系 · 动态 · 约束
【候选路径 & 后果预测】方案A→后果  方案B→后果  …
【选择】选哪条 + 为什么
──── 以下是渲染出的成品 ────
<具体产出>
【自检】对照目标过没过

👉 完整对比示例（默认生成 vs 工作法）见 examples/example-content-strategy.md。

适合谁

• ✍️ 做内容/方案的人：让产出比"AI 顺嘴写的"更有章法
• 🧭 要做决策、定策略的人：先比几条路再拍板
• 🧩 解复杂问题的人：把"想清楚"这件事流程化

诚实说明

• 这是把 LeCun 的思路翻译成"怎么用 AI"的工作法，不是真的换了底层神经网络架构——别理解成"现在跑的是世界模型"。
• 它拿速度换深思：好处是少踩坑、方案更优；代价是慢、啰嗦。简单活别用，杀鸡不用牛刀。
• 它不保证答案绝对正确，只保证想得更结构化——复杂任务里，这通常就够把次品挡在门外。

致谢 & 来源

灵感来自 Yann LeCun《A Path Towards Autonomous Machine Intelligence》(2022) 与 Meta V-JEPA 2 (2025) 所代表的"世界模型"路线。本项目是对这些公开思路的再加工，不复制任何第三方原始内容。

License

MIT — 随便用，注明出处即可。