analogical-reasoning
类比推理与跨域迁移
真正的学习=在新领域识别已知的结构；类比推理是人类最强大的迁移工具：A领域的解法结构可以直接在B领域应用
没有这个模型
未使用类比推理与跨域迁移时，容易依赖直觉处理「在新领域遇到问题，但感觉在某个地方见过类似结构」，缺少稳定的分析边界与检查步骤。
使用这个模型
使用类比推理与跨域迁移后，可围绕「真正的学习=在新领域识别已知的结构；类比推理是人类最强大的迁移工具：A领域的解法结构可以直接在B领域应用」执行结构化分析，并依次检查推理结果。
适用信号
- 在新领域遇到问题，但感觉在某个地方见过类似结构
- 需要解释复杂概念，通过类比让对方快速理解
- 跨领域创新：把A领域的成熟解法搬到B领域
不适用与停止条件
- 完全陌生的全新领域（没有可类比的已知结构）
- 类比容易产生误导的精确科学场景
推理协议
- 01
问题结构提取：把当前问题的表面细节去掉，描述其抽象结构（X在约束C下实现目标G）
检查点：确认本步结论基于明确信息，且没有超出该模型的适用边界
- 02
类比搜索：在其他领域中，有没有相同的「结构」？（不要局限于相关领域，大胆跨域）
检查点：确认本步结论基于明确信息，且没有超出该模型的适用边界
- 03
结构对应验证：目标领域的元素A = 源领域的元素A'，元素B = B'...逐一验证
检查点：确认本步结论基于明确信息，且没有超出该模型的适用边界
- 04
解法迁移：源领域的解法S在目标领域对应的是什么操作？
检查点：确认本步结论基于明确信息，且没有超出该模型的适用边界
- 05
差异修正：有哪些地方类比不完整（相似但不等同），需要修正？
检查点：确认本步结论基于明确信息，且没有超出该模型的适用边界
场景示例
在新领域遇到问题，但感觉在某个地方见过类似结构
在企业管理场景中，以「真正的学习=在新领域识别已知的结构；类比推理是人类最强大的迁移工具：A领域的解法结构可以直接在B领域应用」为分析主线，按模型提示词执行并检查结论。
需要解释复杂概念，通过类比让对方快速理解
在产品设计场景中，以「真正的学习=在新领域识别已知的结构；类比推理是人类最强大的迁移工具：A领域的解法结构可以直接在B领域应用」为分析主线，按模型提示词执行并检查结论。
跨领域创新：把A领域的成熟解法搬到B领域
在分析洞察场景中，以「真正的学习=在新领域识别已知的结构；类比推理是人类最强大的迁移工具：A领域的解法结构可以直接在B领域应用」为分析主线，按模型提示词执行并检查结论。
在新领域遇到问题，但感觉在某个地方见过类似结构
在决策思维场景中，以「真正的学习=在新领域识别已知的结构；类比推理是人类最强大的迁移工具：A领域的解法结构可以直接在B领域应用」为分析主线，按模型提示词执行并检查结论。
需要解释复杂概念，通过类比让对方快速理解
在任务管理场景中，以「真正的学习=在新领域识别已知的结构；类比推理是人类最强大的迁移工具：A领域的解法结构可以直接在B领域应用」为分析主线，按模型提示词执行并检查结论。
常见误区
- 类比可能将错误的假设从源领域带入目标领域
- 类比只是起点，最终需要验证相似性是否真实成立