第 1 幕
题找上门
It starts with a question.题不是从题库里随机抽的。系统读你的画像（方向、已确认积木、观察到的缺口），在六种题型——观点、证据、推理等——之间轮换出题，让你没法背题。练熟之后还会有组合题盲测：考你能不能把几块积木组合调用，考完才揭示考了哪几块。
你说过的每句好表达，
都该被留下来。
面试被追问、汇报被打断、谈判被质疑——你明明想清楚过的判断，到了嘴边还是要从零组织。问题不是词穷，是好表达说过一次就散了。心智乐高把你训练中说出的好表达拆成「语言乐高」存进积木库，下次遇到同类问题直接拼装——不再从零思考表达，拼装你的认知积木。
心智乐高——把人类的认知、思维模型、技能与知识库拆解为像乐高积木一样的「标准模块」，再根据不同的场景和需求，自由拼装、重构出应对复杂问题的心智架构。这个应用是该理念在专业口语表达上的落地：每一次训练，都是在为你自己的零件库添砖。
可组合性：像乐高有标准的尺寸与形状，复杂的理论、商业框架、算法逻辑或生活经验，可以提炼成一个个独立、内聚、可复用的「思维模块」。
动态组装：遇到新问题不再从零开始思考，而是从脑海中的零件库里挑出历史经验、第一性原理、数据分析或系统思维模块，快速拼出解决方案。
Agent 架构与工具调用：大模型、RAG、向量数据库、Prompt 模板、MCP 与各种 API 工具，本质上就是数字世界的 Mental LEGOs——按业务需要拼接成定制化的智能工作流。
分层与解耦：高手的思维是组件化的——把复杂系统拆成低耦合、高内聚的小模块，随时拔插、替换或升级。这个应用自身也按此哲学构建。
原子化知识：如卡片盒笔记法（Zettelkasten）强调「原子化笔记」——每一条笔记只讲一个独立的概念，这正是知识层面的「乐高积木」。随着积累的增多，这些原子化的知识可以随时随地被调用，组合成一篇文章、一个产品方案或一次深刻的洞察。
认知迭代的敏捷性：当环境变化时，旧的思维方式如果过时了，不需要推翻整个认知体系，只需要「拆掉几块积木，换上新模块」，即可完成思维的迭代。
乐高库里的每个语言模块 = 语义内核 + 逻辑骨架 + 语言外壳，全部提炼自你自己的表达、并经你亲手确认——它们是属于你的、可反复调用的表达资产。
出题、追问、引用你的原话做诊断——AI 在训练里无处不在，却始终不替你说一个字。三条红线，贯穿每一行代码与每一个 prompt。
你不开口，AI 不出手。作答之前拿不到任何辅助——开口门禁写死在训练流程里，不是一个可以关掉的开关。
提示按 L1→L4 递进：线索、骨架、素材指引——完整示范只在你主动请求的 L4 出现，且永远在你先作答之后。点评只引用你的原句做诊断，不空谈，也不替你重写。
AI 只递候选草稿，内容 100% 来自你的原话；入库前你可以逐字编辑，确认制保证每一块积木都经过你的手。
与其罗列功能，不如跟着一块积木走完它的完整生命周期——从一次卡壳开始，到成为你随口就来的表达为止。
题不是从题库里随机抽的。系统读你的画像（方向、已确认积木、观察到的缺口），在六种题型——观点、证据、推理等——之间轮换出题，让你没法背题。练熟之后还会有组合题盲测：考你能不能把几块积木组合调用，考完才揭示考了哪几块。
对着麦克风或键盘作答——录音在本地转文字，与这次作答全程关联，随处可回放。卡住了？提示从 L1 的一条线索开始逐级递进；完整示范锁在 L4，只在你先作答之后、由你主动请求才出现——永远不抢在你开口之前。
没答上来的题不会被轻轻放过，也不会甩给你一段标准答案。系统把它拆成更小的缺口分流成后续练习；每一遍重答都有独立评价，无限复练，练到你自己满意为止——换个问法再来一遍，才算过。
训练结束，系统从你的作答里挑出值得留下的表达，按四件套拆成候选积木：语义内核、逻辑骨架、语言外壳、触发线索。候选只是草稿——你逐字过目、随意编辑、点头确认，它才入库。换个说法算不算同一块积木？有单独的变体判定，不和稀泥。
积木按通用 / 专业 / 场景三层归属入库，可改名、有版本、可归档恢复。积木之间的关系——可组合、相似、互斥、先于——不是标签装饰，真实参与出题和演讲骨架组装；说法相近的积木可以一键合并。
每块积木有九阶掌握度，从「刚确认」到「随口就来」。到期的积木自己找上门，用不同的问法考同一块积木；真实会议、面试里用没用上，回来点一下「成功调用 / 部分调用 / 没调用出来」——真实世界的反馈直接改写掌握阶段和复现节奏。闭环在这里扣上：下一道题，又从你的新缺口里来。
日常训练攒积木，专项场景用积木。导入方案文档、汇报稿、会议材料或录音，系统基于材料生成关键追问，用于事前模拟与事后复盘。
导入立项材料与竞品分析，生成围绕目标、投入、风险与验证路径的追问清单。
用你的积木组装演讲骨架，可压缩、扩展、换听众重组；实测时长、语速与真实停顿，手动点评复盘。
围绕你的谈判材料模拟对方的质疑与压价话术，事后复盘每一次接招。
练的不是念稿，是被打断、被追问之后调用积木接住的能力。
没说好的原话、卡壳的瞬间、真实的录音——凭什么对一个应用说真话？答案不是一句"我们重视隐私"，而是一张去向清单：什么数据、放在哪、出不出这台机器。
未知响应时长、未知专业概念、未知输出结构——让用户放弃 AI 应用的首要原因，就是这三个体验断点。用三条工程规矩，一件件解决。
出题、点评、提炼，每一步模型计算都有延迟。所有操作即时响应，屏幕透明化呈现实时进度、已耗时与预估剩余时间。
语义内核、变体判定、九阶掌握度——产品自造的词，用户没义务懂。所有新概念首次出现时，均附带原位大白话释义，无需跳转帮助页。
大模型天生具备概率漂移特性，多吐一个空格都会导致解析崩溃。在数据入库前做统一 JSON 强校验与降级容错，保障核心结果顺畅呈现。
这三条管的是交互界面上的确定性。至于模型答得对不对、守不守规矩，是另一回事——看评测怎么验收这个产品 →