芒格决策助手

将查理·芒格的核心思维模型转化为可执行的决策工具。

当前版本： 免费版（12 个核心模型）

完整版： 83 个模型 + 83 个详细文档（即将推出）

🎯 核心功能

1. 场景识别： 自动识别决策场景（投资、产品、人员、战略）
2. 模型推荐： 根据场景推荐 3-5 个相关思维模型
3. 引导式分析： 通过结构化问题引导用户思考
4. 决策报告： 生成 Markdown 格式的分析报告

📦 免费版包含的 12 个核心模型

核心决策模型（8 个）

1. 第一性原理 - 回归事物本质
2. 机会成本 - 评估替代方案
3. 复利效应 - 长期价值积累
4. 能力圈 - 了解自己的边界
5. 逆向思维 - 反过来想，避免失败
6. 护城河 - 竞争优势分析
7. 安全边际 - 容错空间评估
8. 多元思维模型 - 跨学科交叉验证

心理学模型（4 个）

1. 确认偏误 - 避免选择性证据
2. 锚定效应 - 警惕第一印象
3. 损失厌恶 - 理性评估风险
4. 社会认同 - 独立思考，避免从众

🚀 使用方法

命令行

# 开始决策分析
/munger analyze 是否应该投资中宠股份

# 查看所有模型
/munger models

# 查看历史记录
/munger history

代码调用

import { assistant } from './src/index';

// 开始分析
const response = await assistant.startAnalysis('session-123', '是否应该投资中宠股份');
console.log(response);

// 处理回答
const next = await assistant.handleAnswer('session-123', '7分，我对行业有一定了解');
console.log(next);

🏗️ 架构设计

模块划分

src/
├── index.ts          # 主入口
├── detector.ts       # 场景识别器
├── recommender.ts    # 模型推荐引擎
├── dialogue.ts       # 对话管理器
├── reporter.ts       # 报告生成器
└── types.ts          # 类型定义

data/
└── munger-knowledge.js  # 12 个核心模型库

核心流程

用户输入
    ↓
场景识别（detector）
    ↓
模型推荐（recommender）
    ↓
多轮对话（dialogue）
    ↓
报告生成（reporter）

🧪 测试

npm test

🎓 芒格模型应用

第一性原理

核心问题： 用户真正需要什么？

• 不是"学习芒格模型"
• 而是"做出更好的决策"

设计推导：

1. 最小化学习成本 → 自动场景识别
2. 结构化思考 → 引导式问题
3. 可执行建议 → 决策报告

逆向思维

什么会导致失败？

1. 场景识别不准 → 关键词 + 正则 + LLM 兜底
2. 问题太学术 → 白话文 + 实际案例
3. 报告太长 → 控制在 1 页内

能力圈

我们擅长：

• ✅ Node.js + TypeScript
• ✅ 状态机设计
• ✅ Markdown 生成

🎁 完整版（即将推出）

完整版将包含：

83 个思维模型

• 核心模型（10 个）： 多元思维、机会成本、复利效应等
• 心理学模型（29 个）： 确认偏误、锚定效应、损失厌恶等
• 经济学模型（15 个）： 供需关系、边际效用、规模经济等
• 数学模型（12 个）： 概率论、贝叶斯、幂律分布等
• 物理学模型（8 个）： 临界质量、杠杆原理、惯性等
• 生物学模型（9 个）： 进化论、适者生存、生态位等

83 个详细文档

• 每个模型配有独立 Markdown 文档
• 包含定义、案例、应用场景、常见误区
• 总计超过 50,000 字的深度内容

高级功能

• 智能评分算法（基于 LLM 分析）
• 历史记录持久化
• 自定义模型库
• 批量决策分析

敬请期待！

📄 许可证

MIT

开发者： edu-dev

版本： v1.2.0-free

日期： 2026-03-29