/deep-think — 最大认知努力协议

目标： 为复杂、多步骤或模糊的任务（质量优先于速度）启用最高级别的认知架构。 时间： 5-15 分钟，取决于复杂度等级。 使用场景： 架构决策、多系统变更、不可逆操作，以及任何"犯错代价高昂"的场景。

这不是 /reason。 /reason = "遵循推理引擎检查清单"（快速、轻量）。 /deep-think = "以结构化思考、研究、差距分析、多视角辩论与对抗性审查进行最大努力推理"（缓慢、彻底）。

---

复杂度门控（先做判断）

在开始之前，对任务进行分级：

等级	适用场景	使用的阶段
SIMPLE	快速但彻底 —— 单领域分析、问题清晰	仅阶段 1 + 5
MEDIUM	研究 + 分析 —— 多源综合、对比	阶段 1-5
COMPLEX	完整对抗 —— 架构决策、多系统变更、不可逆操作	全部 8 个阶段

---

阶段 1：定向（记忆 + 上下文）

在形成任何观点之前，加载所有可用的上下文。

1. 读取项目记忆（如有），例如 MEMORY.md、SESSION.md 或状态日志
2. 读取目标领域已知的陷阱与注意事项（如有），例如 knowledge/gotchas.md
3. 读取最相关的本地知识、README 或分块文件
4. 当需要最近的会话连续性时，查询任何活跃的工作区记忆系统（例如 Honcho 或 agentmemory）
5. 检查关于此主题的对话日志或历史，以了解先前的尝试或上下文
6. 确定涉及哪些项目、模块或系统

如果任何工具失败： 标注"降级模式"并使用可用来源继续。不要停滞。

---

阶段 2：质疑（挑战需求本身）

在解决问题之前，先挑战问题陈述本身。

1. 使用顺序思考或推理工具（例如 sequential-thinking MCP，若可用）将问题分解为组成部分
2. 明确询问：
   • "这是否是正确的问题？有没有更好的表述？"
   • "此请求中嵌入了哪些假设？"
   • "如果我做最显而易见的事，会出现什么问题？"
   • "此前是否尝试过？结果如何？"
3. 如果重新表述揭示了更深层的问题，则改为解决那个问题

---

阶段 3：研究（证据收集）

从多个来源收集证据。不要仅依赖训练数据。

1. 通过网页搜索获取当前最佳实践、官方文档和已知问题
2. 对任何引用的库、框架或 API，使用可用的文档搜索工具（例如 Context7 MCP，若可用）
3. 检查仓库中的技能与自定义工作区流程（例如位于 `…