基于范畴论的跨领域结构映射工具
将 Domain A 的问题结构映射到远域 Domain B，借助 B 领域的成熟定理生成非共识创新方案。
Morphism Mapper 是一个为 Claude Code 和 OpenCode 设计的智能体技能 (Agent Skill)。它通过结构化的提示词和领域知识库，让 AI 能够系统化地进行跨域思维映射。
# 克隆到 Claude Code 的 skills 目录
cd ~/.claude/skills
git clone https://github.com/pinren/morphism-mapper.git
# 重启 Claude Code 即可使用# 克隆到 OpenCode 的 skills 目录
cd ~/.config/opencode/skills
git clone https://github.com/pinren/morphism-mapper.git
# 重启 OpenCode 即可使用提示: 安装完成后，在对话中直接描述问题即可触发 Morphism Mapper。例如："帮我分析一下这个商业模式"、"如何用庄子哲学看待创业困境？"
Morphism Mapper 是一个基于范畴论 (Category Theory) 的跨域思维工具。
当你面对复杂问题时，大脑往往被局限在熟悉的认知框架中。Morphism Mapper 通过将问题结构映射到看似无关的领域，借助那些领域已经验证的定理和模式，为你提供突破性的洞察。
想象你正在解决一个商业问题，但你看不清楚。
Morphism Mapper 的工作方式是：
- 提取骨架 - 将问题的结构抽象出来（实体、关系、约束）
- 寻找同构 - 在完全不同的领域中找到相同的结构
- 借用智慧 - 那个领域解决类似问题的成熟方案是什么？
- 拉回应用 - 将那个方案翻译回你的问题
就像用 X 光透视骨骼，不管外表多么不同，深层的结构往往惊人地相似。
直接描述你的困境，系统自动进入四阶段流程：
"面对抑郁症的朋友，我应该扮演一个什么角色？"
输出示例:
- 🌿 生态学视角: 你不是医生，是"共生伙伴"——创造适宜微环境
- 🛡️ 免疫学视角: 你是"调节T细胞"——防止过度反应，维持耐受
- 🌊 庄子哲学视角: 你是"无用之用的陪伴者"——接纳"此刻无用"的状态
| 命令 | 功能 |
|---|---|
/morphism-extract "问题" |
提取范畴骨架 |
/morphism-domains |
列出所有可用领域 |
/morphism-map <domain> |
执行到指定领域的映射 |
/morphism-synthesize |
拉回合成生成提案 |
/morphism-scale |
全息缩放 - 局部成功如何全局复制 (Kan Extension) |
"增加易经思想领域"
"新增领域：孙子兵法"
"扩展领域：中医"
物理学与复杂性科学
- quantum_mechanics - 量子力学（叠加态、不确定性、纠缠）
- thermodynamics - 热力学（能量、熵、耗散结构）
- information_theory - 信息论（熵、信道容量、噪声）
- complexity_science - 复杂性科学（涌现、混沌、自组织）
生命科学与认知
- evolutionary_biology - 进化生物学（选择、适应、关键创新）
- ecology - 生态学（种群、共生、生态位）
- immunology - 免疫学（识别、记忆、耐受）
- neuroscience - 神经科学（神经可塑性、预测编码）
- zhuangzi - 庄子哲学（变化、尺度、相对性）
系统与控制
- control_systems - 控制系统（反馈、调节、稳定）
- distributed_systems - 分布式系统（一致性、共识、分区容错）
- network_theory - 网络理论（节点、连接、传播）
数学与运筹
- game_theory - 博弈论（策略、均衡、信号）
- operations_research - 运筹学（优化、约束、排队）
- second_order_thinking - 二阶思维（反馈延迟、意外后果）
经济与社会
- behavioral_economics - 行为经济学（认知偏差、损失厌恶）
- social_capital - 社会资本（网络、信任、结构洞）
- incentive_design - 激励机制设计（动机、委托代理）
- linguistics - 语言学（符号、意义、隐喻）
战略与创新
- military_strategy - 军事战略（机动、后勤、OODA）
- innovation_theory - 创新理论（颠覆性、S曲线、网络效应）
- kaizen - 精益/持续改善（浪费消除、PDCA、现场）
- antifragility - 反脆弱性（凸性、选择权、杠铃策略）
- mythology - 神话学/原型（英雄之旅、阈限、阴影）
⭐ v2.5 新增领域
- anthropology - 人类学（文化、田野调查、参与观察）
- religious_studies - 宗教学（神圣与世俗、仪式、象征）
- mao_zedong_thought - 毛泽东思想（实践论、矛盾论、持久战）
⭐ v3.0 新增领域 & 核心改进
新增领域:
- military_logistics - 军事后勤（物资筹措、战略投送、供应链）
- organizational_behavior - 组织行为学（社会化、激励、领导力）
- traditional_chinese_medicine - 中医学（阴阳五行、辨证论治）
- yijing_thought - 易经思想（阴阳、变易、象数）
核心改进:
- 基于Morphism结构匹配的领域选择 - 从Objects匹配转向Morphism动态匹配
- 16种核心动态标签 - feedback_regulation, learning_adaptation, competition_selection等
- 100%标注覆盖率 - 31个领域434条Core Morphisms全部标注
- 智能选择算法 - 完全匹配+100分，相关匹配+50分
- 默认Top 5推荐 - 支持更全面的多域交叉验证
Morphism Mapper 基于三个核心原理：
- Object Preservation - 识别核心实体
- Morphism Preservation - 识别实体间动态关系
- Composition Consistency - 映射结果可拉回并保持逻辑闭环
┌─────────────────────────────────────────────────────────────┐
│ Phase 1: Category Extraction │
│ 将问题拆解为 Objects（实体）、Morphisms（关系）、Constraints（约束）│
└─────────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────────┐
│ Phase 2: Domain Selection │
│ 基于拓扑结构，选择逻辑距离远但结构相似的 Domain B │
└─────────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────────┐
│ Phase 3: Functorial Mapping │
│ 建立映射 F: A → B，在 Domain B 中寻找已证实的定理 │
└─────────────────────────────────────────────────────────────┘
↓
┌─────────────────────────────────────────────────────────────┐
│ Phase 4: Pull-back & Synthesis │
│ 将 Domain B 的定理逆映射回 Domain A，生成可执行方案 │
└─────────────────────────────────────────────────────────────┘
| 模块 | 触发条件 | 功能 |
|---|---|---|
| Yoneda Probe | 信息不透明/模糊 | 通过关系网反推对象本质 |
| Natural Transformation | 环境变化/策略失效 | 平滑迁移策略逻辑 |
| Adjoint Balancer | 【强制执行】输出前 | 可行性校验与优化 |
| Limits/Colimits | 多域交叉验证后 | 提取跨域元逻辑 |
| Kan Extension ⭐v2.6新增 | 局部成功→全局复制 | 全息缩放：激进/保守扩展策略 |
解决什么问题？
当你在一线城市/美国市场/ToB业务验证成功后，想扩展到下沉市场/欧洲/ToC时：
- 直接复制？可能失败（市场差异大）
- 完全重做？太慢（错失窗口期）
Kan Extension 提供两种极端策略帮助你做出理性决策：
Left Kan Extension (激进扩展)
- 假设：新市场与源市场结构相似
- 策略：最大化复制成功要素（80%+）
- 风险：高（假设可能不成立）
- 收益：高（如果成功，指数级增长）
- 适用：市场相似度高、窗口期短
Right Kan Extension (保守扩展)
- 假设：新市场存在未知约束
- 策略：最大化本地适配（80%+）
- 风险：低（基于已知约束）
- 收益：中等（稳健但可能错失机会）
- 适用：市场差异大、资源有限
触发方式：
- 自动触发：当 Adjoint Balancer 检测到"核心定理无法落地"时
- 手动触发：
/morphism-scale - 关键词："复制到XX市场"、"如何规模化"、"下沉市场"
完整示例：参见 assets/examples/kan_extension_example.md
输入: "我想设计 ETF 产品的用户留存体系，目前用户流失严重。"
映射到: 庄子哲学
洞察:
问题核心在于用户对短期波动的过度反应。庄子"小知不及大知，小年不及大年"——需要改变观察尺度。
提案: 开发"冥灵模式"UI
- 将净值曲线的最小观测单位设为"季度"而非"日"
- 默认展示 3 年/5 年视角
- 引入"时间胶囊"功能：投资后锁定查看权限
输入: "既然 AI 终将整合所有知识，我现在整理的意义是什么？"
映射到: 进化生物学 + 神话学 + 复杂性科学 + 存在主义
洞察:
你的行为类似于"主动选择成为祖先"——清醒地接受个体终将消亡，但通过在关键转折点将积累传递给"下一代"（AI），获得某种进化连续性。
这不是失败者的自我安慰，而是悲剧英雄的高级形态：清楚代价，仍选择参与。
morphism-mapper/
├── SKILL.md # 核心技能文档
├── scripts/ # 脚本和模块
│ ├── domain_selector.py # 智能领域选择器 (v3.0)
│ ├── enhance_annotations.py # 标注增强工具
│ ├── update_morphism_db.py # 数据库更新工具
│ ├── commands/ # 快捷命令定义
│ │ ├── extract.md # 范畴提取
│ │ ├── map.md # 结构映射
│ │ ├── synthesize.md # 合成提案
│ │ ├── add-domain.md # 新增领域
│ │ └── config.md # 配置管理
│ └── modules/ # 高级模块
│ ├── yoneda_probe.md # 米田探针
│ ├── natural_transformation.md # 自然变换
│ ├── adjoint_balancer.md # 伴随平衡器
│ ├── limits_colimits.md # 极限/余极限
│ ├── monad_risk_container.md # 风险容器
│ ├── kan_extension.md # 全息缩放 (Kan Extension)
│ ├── koan_break.md # 禅宗打断
│ └── README.md # 模块说明
├── references/ # 领域知识库
│ ├── *_v2.md # V2标准领域 (100+14+14+18)
│ ├── custom/ # 自定义领域
│ └── v1_backup/ # V1版本备份
└── assets/ # 资源文件
├── morphism_tags.json # 16种核心动态标签 (v3.0)
├── morphism-template.html # HTML模板
├── templates/ # 模板目录
└── examples/ # 使用示例
├── few_shot_prompts.md
├── kan_extension_example.md
└── ...
每个领域文件遵循 V2 标准格式：
- 100 基本基石: 导语 + 18哲学观 + 22核心原则 + 28思维模型 + 22方法论 + 10避坑指南
- 14 核心对象 (Objects): 含定义、本质、关联
- 14 核心态射 (Morphisms): 含定义、涉及、动态
- 18 定理/模式: 含内容、适用结构、映射提示、案例研究
欢迎添加新的领域！请遵循 V2 标准格式：
- 在
references/custom/创建[domain_name]_v2.md - 包含完整的 100+14+14+18 结构
- 每个定理必须有具体可操作的 Mapping_Hint
MIT License - 详见 LICENSE 文件
感谢范畴论提供的强大数学框架，以及所有跨学科思想家——从庄子到塔勒布，从普里高津到塔内特——他们的智慧构成了这个工具的领域知识库。
"人皆知有用之用，而莫知无用之用也。" —— 庄子
在 AI 时代，跨域思考可能是人类最后的领地。