PTDP 四维分析法

全称: Phenomenon-Theory-Divergence-Prediction Framework

核心: 针对"某一现象引发的系统性变化"，通过历史类比、理论映射、矛盾识别、独立预判四步，形成深度洞察

输出: 包含历史规律、理论解释、矛盾识别、独立预判的综合分析报告

创建者: 谭北平

核心价值

1. 系统性: 从现象到理论到矛盾到预判，形成完整分析链条
2. 理论驱动: 每个判断都有理论支撑，避免主观臆断
3. 矛盾导向: 通过识别理论冲突发现关键洞察
4. 可验证: 所有预判都可定义验证标准

工作流程概览

分析任务遵循以下四步流程：

输入核心现象
    │
    ▼
Step 1: 现象类比 → 找3-5个结构相似的历史案例
    │
    ▼
Step 2: 理论映射 → 找解释历史和当前现象的理论框架
    │
    ▼
Step 3: 矛盾识别 → 识别理论间的预测冲突
    │
    ▼
Step 4: 独立预判 → 综合生成有理论支撑的预测
    │
    ▼
综合报告（历史规律+理论解释+矛盾+预判）

详细执行指南

执行每一步时，阅读对应的参考文件获取完整操作细节、模板和工具：

综合报告输出模板

最终报告必须包含以下结构：

# [主题]深度分析报告

## 核心论点
[一句话概括核心洞察]

## 一、历史案例: [现象]的N次浪潮
[每个案例包含: 成本变化、技能替代、主体变化、产业链冲击、二阶效应、关键洞察]

## 二、理论框架: 解释[现象]的N大理论
[每个理论包含: 核心观点、实证支持、对当前现象的适用性]

## 三、理论一致性分析
[共识领域、分歧领域]

## 四、理论矛盾点
[核心矛盾，每个包含: 冲突双方、矛盾焦点、可能解释、当前现象更接近哪方]

## 五、[当前现象]的独特性
[与历史案例的关键差异]

## 六、独立预判: [现象]后续发展的N大趋势
[每个预判包含: 内容、置信度、理论依据、关键假设、边界条件、验证方式]

## 七、结论
[核心洞察总结]

快速使用示例

用户问题: "分析AI编程助手对软件行业的影响"

Step 1 现象类比:

• 核心特征提取: 编程执行成本骤降、代码编写技能被替代、程序员→普通人
• 历史类比: 印刷术(知识复制成本下降)、纺织机(长期训练技能被替代)、摄影数字化(专业技能大众化)

Step 2 理论映射:

• SBTC: 技能偏向型技术变革 → 技能溢价变化
• Task-Based Model: 任务自动化 → 就业极化
• Creative Destruction: 创造性破坏 → 新职业诞生
• Labor Process Theory: 劳动过程理论 → 去技能化

Step 3 矛盾识别:

• SBTC预测"高技能获益" vs AI现实"高技能也可能被替代"
• 创造性破坏预测"长期就业恢复" vs 现实"可能永久性减少"

Step 4 独立预判:

• 预判1(趋势): 初级编程岗位需求3年内下降60%+，置信度:高
• 预判2(结构): 软件行业将出现"超级极化"，顶级工程师和AI运营者两端增长，置信度:高
• 预判3(二阶效应): 编程教育将从"技能训练"转向"思维训练"，置信度:中

关键原则

• 深度>广度: 3-5个高质量案例 > 10个浅层案例
• 结构相似>表面相似: 关注成本、技能、产业链等结构性特征
• 理论对话: 让不同理论"对话"，而非孤立陈述
• 批判性: 主动寻找反例和证伪证据
• 谦逊性: 明确边界条件和不确定性