夜雨聆风系列：JS 的养虾日记 · 第 16 篇
关键词：金字塔原理、知识管理、knowledge-prism、自下而上、结构化思维
《金字塔原理》的来由
1967 年，一位名叫芭芭拉·明托的年轻女性走进麦肯锡的办公室，成为全球首位女性咨询顾问。
她发现一件事：那些最厉害的家伙，并不是脑子里装的信息更多，而是表达更有结构。
他们说话、写报告，总是先说结论，再分层展开。逻辑清晰得像一把刀，切中要害。
明托花了十几年研究这种现象。1987 年，她把这套方法写成了一本书——《金字塔原理：思考、表达和解决问题的逻辑》。
这本书后来成为麦肯锡的「内部圣经」，培训了数万名咨询顾问。
核心观点就一句话：清晰的思考，是从下到上构建金字塔的过程。
底层：大量零散的信息、数据、事实 中层：归类分组，找到逻辑关系 顶层：提炼中心思想，得出结论
明托发现，人类大脑天生喜欢「结构化信息」。给你 10 个孤立的事实，你记不住；但把这 10 个事实归类成 3 组，每组有个小标题，你一下子就记住了。
这就是金字塔原理的魔力：不是让你记更多，而是让你的信息更有结构。
问题是，这玩意儿太费脑了。
归类、找关系、提炼中心思想……每一步都是认知负担。我自己试过，写了一堆笔记，最后根本懒得整理。
直到我想明白一件事：既然这是结构化的工作，为什么不教给 龙虾🦞 做？
于是，我给我的龙虾装了一套系统，让它自动帮我构建金字塔。
这就是 prism 的来历——一套教龙虾用《金字塔原理》管理知识的工具。
一、金字塔原理：知识管理的元结构
《金字塔原理》的核心就一句话：先说结论，再用层层论据支撑。
但结论不是拍脑袋想出来的，是从大量信息中「长」出来的。
构建金字塔有两条路：
| 路径 | 方式 | 适用场景 |
|---|---|---|
| 自上而下 | 先定结论，再找论据 | 你已经知道答案，需要说服别人 |
| 自下而上 | 先收集信息，再归类提炼 | 你还不清楚答案，需要探索 |
**知识管理是典型的「自下而上」场景。**你先有一堆零散信息，需要从中发现规律。
传统的做法是：手动分类、手动打标签、手动写总结。累死人。
我用的方法是：让龙虾用 prism 自动构建金字塔。
二、prism 的金字塔结构
prism 的核心设计，就是把《金字塔原理》的「自下而上」流程自动化：
【金字塔顶层】
↓
Synthesis（中心思想）
「AI 软件范式转移」
↓
┌────────────────┼────────────────┐
↓ ↓ ↓
【Groups】 【Groups】 【Groups】
第一层论据 第二层论据 第三层论据
Harness 设计 Claude Code 结构 AutoGPT 演变
↓ ↓ ↓
└────────────────┼────────────────┘
↓
【Atoms】原子信息单元
具体观点 · 方法 · 数据 · 洞察
↓
【Journal】原始素材
文章 · 笔记 · 对话记录
每一层都是上一层的「蒸馏」：
Journal → 原始素材（不打理） Atoms → 萃取成可复用的观点单元 Groups → 自动归类，发现隐藏关联 Synthesis → 提炼中心思想
这就是 prism 的名字来源——把散乱的白光，折射成有序的光谱。
三、自下而上四步法
第一步：无脑堆砌（Journal）
原则：先收集，不筛选。
金字塔的地基要够大，塔才能搭得高。
我给龙虾定了一条规矩：任何我觉得「可能有用」的东西，直接丢进 journal。
GitHub 项目 Star → 自动入库 即刻帖子收藏 → 自动入库 公众号文章 → 自动入库 灵感碎片 → 随手记录
80 篇 journal，就是 80 块未经打磨的砖。
关键认知：不要在输入阶段做筛选，那会扼杀可能性。筛选是萃取阶段的事。
第二步：打磨砖块（Atoms）
原则：把「文章」拆成「观点」。
运行 knowledge_prism_process，系统从 journal 中提取 atoms。
80 篇 journal 产出了 81 个 atoms——因为有篇文章信息量太大，被拆成了 2 个独立观点。
有效的 atom 长这样：
❌ 「这篇文章讲了 Claude Code 的架构」（太泛） ✅ 「Claude Code 用四层上下文压缩解决长对话问题」（具体可引用）
萃取的本质是「翻译」——把作者的表达方式，翻译成你自己的语言、你自己的颗粒度。
第三步：归类分组（Groups）
原则：让 AI 发现人类看不见的关联。
系统把 81 个 atoms 自动归成 73 个 groups。
神奇的地方在于：
5 个 groups 都涉及「Agent 架构」，但来源各不相同 3 个 groups 讨论「Memory 系统」，我从没意识到这些文章在说同一件事 有些我以为不相关的 atoms，被 AI 归到了同一组
为什么 AI 比人更会归类？
人类的分类是「树状」的——A 属于 B，B 属于 C，有严格的层级。
但知识本身是「网状」的——一个观点可以同时属于多个主题，跨领域关联才是创新的源泉。
AI 的语义聚类能发现这种「弱关联」，而人类往往视而不见。
第四步：提炼中心（Synthesis）
原则：回答「这些信息在共同回答什么」。
把「Agent 架构」下的几个 groups 放在一起看：
Group A：OpenClaw 的 Harness 设计 Group B：Claude Code 源码结构 Group C：AutoGPT 架构演变
Synthesis：AI 时代软件范式正从「指令式」转向「委托式」。
**这不是我「发明」的结论，是我「发现」的结论。**它就隐藏在资料里，prism 帮我看见了。
这就是金字塔原理的精髓：中心思想不是凭空产生的，是从大量论据中「涌现」出来的。
四、从金字塔到产出
金字塔搭好了，怎么用？
写作时：从 synthesis 出发，用 groups 做骨架，用 atoms 填血肉。
决策时：遇到新问题，先看有没有相关的 synthesis，再看支撑它的 groups。
学习时：新文章入库，系统自动提示「这与你的 KL09 相关」——知识自动关联。
五、工具开源
这套方法论不靠意志力，靠工具自动化。
prism 是什么
prism 是一个 OpenClaw 插件，帮你自动完成「自下而上构建金字塔」的四步流程：
# 一键萃取、归类、提炼
knowledge_prism_process --baseDir ./my-knowledge-base
# 查看知识库统计
knowledge_prism_status
# 从视角生成文章
knowledge_prism_output --perspective P25-yangxia-series
工作原理
读取 journal 目录下的所有笔记 提取 atoms（用 LLM 把长文拆成观点单元） 聚类 groups（用向量相似度自动归类） 生成 synthesis（人工审核、润色、确认）
全部自动化。
安装方式
由于官方 ClawHub还没完全支持插件，需从 GitHub 安装：
cd ~/.openclaw/extensions
git clone https://github.com/imjszhang/js-knowledge-prism.git openclaw-knowledge-prism
cd js-knowledge-prism && npm install写在最后
芭芭拉·明托在《金字塔原理》开篇写道：
「清晰的逻辑结构，是有效沟通的基础。」
大部分人在知识管理上失败，不是因为信息不够多，而是因为结构不够清晰。
prism 的价值，是让龙虾协助你思考。
当你的龙虾学会了这套方法论：
它能从 80 篇笔记中，自动归类出 73 个主题组 它能发现你从未想过的跨领域关联 它能帮你提炼出「AI 软件范式转移」这种级别的洞见
你得到了一个脑力外挂。
龙虾的工具箱
| 工具 | 作用 | 开源地址 |
|---|---|---|
| prism | 自动构建知识金字塔 | github.com/imjszhang/js-knowledge-prism |
| collector | 自动抓取链接入库 | github.com/imjszhang/js-knowledge-collector |
想让你的龙虾也学会《金字塔原理》的，代码在这儿，随便拿。
以上～谢谢你看我的文章，我们，下次再见。
JS 的养虾日记 · 第 16 篇
2026-04-02
