一、什么是中心凹？

眼睛的“中心凹视觉优先”原理眼睛的“中心凹视觉优先”原理。这是一个理解人类视觉如何工作的核心概念。一、什么是中心凹？首先，需要了解眼球后部视网膜的结构。视网膜是感光的“屏幕”，上面有两种主要的光感受器细胞： 1. 视杆细胞：对光线非常敏感，主要负责暗视觉（在昏

WITHOUT

没有这个模型

没有一、什么是中心凹？时，面对「定位与锁定：大脑的视觉和运动系统会迅速计算该物体相对于中心凹的位置。」这类问题，通常依赖直觉或经验处理，容易在表面症状上循环，无法触及根因或全局结构。

WITH

使用这个模型

运用一、什么是中心凹？后，能够按照结构化的推理协议逐步分析问题：眼睛的“中心凹视觉优先”原理眼睛的“中心凹视觉优先”原理。这是一个理解人类视觉如何工作的核心概念。一、，从而得出有依据的结论，而不是可替换的猜测。

适用信号

定位与锁定：大脑的视觉和运动系统会迅速计算该物体相对于中心凹的位置。
执行：大脑指令眼外肌进行快速、精确的扫视运动，将眼球转动一个精确的角度，使目标的影像从视网膜周边瞬间移动到中心凹上。
在“停顿”时刻，你的眼睛正好将几个字词的影像投射在中心凹上，此时你才能清晰地识别这些字。
在“跳跃”时刻，你的视觉实际上是模糊的，大脑几乎不处理信息。它只是在为下一次“停顿”定位。

不适用与停止条件

不是平滑地移动的，而是在进行快速的“跳跃”（扫视）和短暂的“停顿”（注视）
不是被动的接收器。我们不是等待所有信息涌入，而是主动地移动眼睛和头部，去“提问”并“获取答案”，从而构建出对外部世界的理解

推理协议

01
运用一、什么是中心凹？的核心方法进行思考
检查点：确认理解了模型的核心逻辑

场景示例

企业管理

在企业管理场景中需要运用一、什么是中心凹？来解决组织层面的关键决策问题

一、什么是中心凹？在此场景中的核心价值：帮助企业管理者从凭直觉决策转向基于系统分析的判断。例如零售企业在决定是否进入新市场时，用一、什么是中心凹？替代单纯的财务估算，避免因信息不全导致的战略误判

产品设计

在产品设计中遇到需要权衡功能优先级或用户体验方向的问题时

一、什么是中心凹？在产品设计中的应用：用于替代经验驱动的设计决策。例如社交App决定新功能上线顺序时用一、什么是中心凹？替代产品经理的个人偏好，使上线决策有据可依

分析洞察

面对复杂数据或模糊现象，需要找出背后的规律或根因时

一、什么是中心凹？在分析场景中的实践：用于结构化地拆解表面现象并定位关键变量。例如电商平台发现某品类销售额突然下滑时用一、什么是中心凹？替代竞品抢走市场的表面归因，逐层拆解到用户行为变化的根因

决策思维

面对多个选项且伴随不确定性，需要做出有逻辑支撑的选择时

一、什么是中心凹？在决策场景中的价值：用于替代直觉驱动的判断。例如投资人在评估多个项目时用一、什么是中心凹？建立统一评估框架，避免被创始人的个人魅力或单一数据锚定

任务管理

在日常执行中需要分配有限的精力和时间资源时

一、什么是中心凹？在任务管理中的用法：用于建立基于价值的优先级排序。例如技术团队面对多个并发需求时用一、什么是中心凹？替代谁催得急先做谁的被动响应，建立主动排期机制

CODEX PLAYBOOK

与 Codex 共学应用卡

激活方式请用一、什么是中心凹？分析...

【认知模式】你现在以「一、什么是中心凹？」思维框架运行。核心立场：眼睛的“中心凹视觉优先”原理  眼睛的“中心凹视觉优先”原理。这是一个理解人类视觉如何工作的核心概念。  ### 一、什么是中心凹？  首先，需要了解眼球后部视网膜的结构。视网膜是感光的“屏幕”，

【推理协议】
1. 视杆细胞：对光线非常敏感，主要负责暗视觉（在昏暗光线下看东西）和周边视野，但不能分辨颜色和细节。
2. 视锥细胞：需要较强的光线，主要负责明视觉、色觉和高锐度视觉（看清细节）。
3. 察觉：我们的周边视觉（由中心凹以外的视网膜负责）非常擅长捕捉运动、对比和粗略的轮廓。当周边视觉察觉到某个可能重要的物体（比如视野边缘闪过一个人影，或书页上的一个词）时，它会向大脑发出信号。
4. 定位与锁定：大脑的视觉和运动系统会迅速计算该物体相对于中心凹的位置。
5. 执行：大脑指令眼外肌进行快速、精确的扫视运动，将眼球转动一个精确的角度，使目标的影像从视网膜周边瞬间移动到中心凹上。
6. 处理：一旦目标落在中心凹上，高分辨率的视觉处理就开始了。我们开始识别面孔、阅读文字、分辨细节。

【质量门禁】每完成一步推理后，自问：这个结论是基于「一、什么是中心凹？」的核心逻辑得出的，还是在用普通直觉回答？如果是后者，回到推理协议重新推导。

【输出格式】先列「分析过程」（按推理协议逐步展示），再给「结论」，最后标注「关键假设与局限」。

EVIDENCE NOTE

使用边界

模型用于组织思考，不代表事实已经成立。关键结论仍需回到来源、数据和真实反馈中验证。