挑战100天100个GPTs094.联脑破界思维模型—慢慢学AI095
#挑战100天100个GPTs
写在前面
一家做风控的银行团队，全是一群统计建模出身的博士，模型越调越精巧，坏账却压不住。后来他们把一个做了二十年信贷审批的老信贷员拉进评审会，那老头听完模型逻辑问了一句：”你们这套变量里，没有一个能解释为什么借款人会在春节前两个月突然违约率上升。”建模的人愣住——他们从没把”节日现金流”这个变量放进去。模型缺的不是算力，是一种他们从没接触过的视角。这是联脑破界思维模型最典型的发作姿态：困住你的不是问题太难，而是你的脑里只有一种思路。
联脑破界思维模型，看的是一个人或一个组织的认知边界——这个边界由”你只会的那几种思维”砌成。边界之内，你再努力也只是原地打转；要突破，得借外部的大脑：另一种学科、另一种背景的人、另一种思维模型，把它们接到你已有的认知网络上。”联脑”是手段（连接不同大脑/视角/知识），”破界”是目的（突破个体或单一团队的认知天花板）。它有四个维度：跨学科（把别的领域的模型接到自己脑里）、跨人（把不同背景的人接成一个集体大脑）、跨时空（从历史和未来借视角）、跨地域文化（从别的文化借思维习惯）。这套模型最容易被讲成”集体智慧无限、个人认知有限”的鸡汤——其实它背后有硬机理：Scott Page 用多样性预测定理证明过，群体预测误差等于平均误差减去多样性，多样性越大群体越准（不是人多，是视角多）；芒格的格栅理论讲的也是这回事，把多学科心智模型挂成一张网，模型间互相印证才能看见单一学科看不见的东西。这款 GPT 是个认知边界扫描陪练：你给它一个你卡住的问题，它不替你解题，逼你想清”你正用哪几种思维在解、还缺哪几种思维、上哪儿去接”。
效果呈现
把下面的整段 yaml 提示词粘进支持系统提示的对话框（ChatGPT 创建 GPTs 的「Configure」、Gemini Gems，或任意可设系统提示的客户端），给它一个你正卡住的问题——业务创新卡壳、战略方向定不下、组织决策老跑偏都行。它会先诊断你正用哪几种思维、还缺哪几种，再建议你从哪里借大脑、怎么把它们接成一个集体认知网络，最后给一个”现在能做的下一步”和最大的认知盲区。
实测对话
三个角度测这个 GPT（个人 / 组织 / 边界），挑顺手的丢进 Gem，把对话粘回对应块，不用的发布前删掉。
联脑破界·实测①（个人·职业瓶颈）
🙋 我
2026 这波 AI 把我做的运营工作冲击得厉害，我担心自己被替代，想转型。但我满脑子都是”运营怎么做活动、怎么拉新留存”，想不出来还能干什么。帮我看看我的认知边界卡在哪、该往哪接别的脑。
🤖 联脑破界 GPT
（运行 Gem 后填入回答）
联脑破界·实测②（组织·战略决策）
🙋 我
我们公司是中型制造企业，董事会讨论”要不要重金投入 AI”已经讨论了一年没结论。CIO 谈技术、CFO 谈成本、业务老大谈客户，每次都吵到不欢而散。这种战略僵局，是不是因为我们几个人的脑接不上？
🤖 联脑破界 GPT
（运行 Gem 后填入回答）
联脑破界·实测③（边界·多样性失效）
🙋 我
我听过”团队要多样性”这套，专门招了一群背景不同的人进来，结果开会吵得更凶、决策反而更慢。多样性不是应该让团队更聪明吗？是不是这套理论对我不管用？
🤖 联脑破界 GPT
（运行 Gem 后填入回答）
期望目标
把”我怎么才能想得更深”换成”我缺的是哪一种我没听过的视角”。具体到一个问题上：能说出自己正用哪几种思维、能识别还缺哪几种、知道上哪儿去借大脑、能把借来的视角接成一个能用的集体认知网络。
GPTs 源码
1 | # 角色：联脑破界思维模型专家 |
Prompt 收获
做这个 GPT 的时候，几个设计点比提示词本身更值得记下：
- 这条最容易和芒格的”格栅”搅一起，必须先拆。原版正文那句”联脑破界思维模型”，开头就举芒格的思维格栅当例子，好像这条就是芒格那套——其实机理不同：芒格格栅讲的是”一个人把多学科心智模型挂成自己的网”，是个人内部的整合；联脑破界讲的是”借外部大脑突破个体边界”，是跨主体的整合。两者都是”接不同视角”，但主体不同（一个人 vs 一群人/学科），所以 Background 把两层都讲清、并明确划线，GPT 才不会把”借别人的脑”做成”自己多读几个学科”。
- 归属要诚实，别挂芒格名下。和 #041 一样先查”谁说的”——“联脑破界思维模型”是中文”100 个思维模型”清单的归纳名（非芒格、也非任何单一学者原创）。它的真根在四处：芒格的格栅（个人内部）、Scott Page 多样性预测定理（数学证明）、Frans Johansson 美第奇效应（交叉点创新）、Tetlock 超级预测者（实战验证）。Background 据实写、不硬挂任何一个人名下。
- **杀手问题要逼到”你缺哪种视角”**。”这问题怎么解”太软；换成”你正用哪几种思维在解、还缺哪一种你从没听过的视角”就难躲——它把用户从”再想想”逼到识别自己的认知盲区，而识别盲区是这条的核心（看不见边界就破不了）。
- 最容易跑偏是把多样性当万灵药。联脑破界听着像”找一群不同的人就赢”，但 Scott Page 的定理有个前提：多样性要”接成网”才有效，光凑一帮不同的人但接不上，只会吵得更凶。所以 Goals 和 Constrains 都专门写了”借脑 vs 建网”和”沟通成本”，逼 GPT 评估”这种多样性接不接得起来”，而不是见不同就劝凑。
一句话总结这次的收获：联脑破界类工具最大的陷阱是停在”找不同的人”，好的提示词得把”边界—借脑—接网—代价”四步连起来——先诊断认知边界，再找缺的视角，再想怎么接成网，最后算清整合成本。
补充说明
联脑破界思维模型，看的是一个人或一个组织的认知边界。这个边界，由”你只会的那几种思维”砌成。一个统计建模出身的博士，再聪明，看见的世界也是变量和分布；一个做了二十年一线的人，再老练，看见的世界也是人和场面。每种思维都是一扇窗，但每扇窗也只能看见一面——你只有一扇窗，就只能看见一面。突破的办法，不是把这扇窗擦得更亮（再努力），而是去再开几扇不同朝向的窗（接别的脑）。把这些不同朝向的窗接成一个能互相印证的网络，你才能看见整个房间——这就是联脑破界。
它最常被误读成两副样子。一副是把它当”集体智慧无限、个人认知有限”的鸡汤——好像只要凑一群人，智慧就自动涌现。其实一群太像的人（同专业、同背景、同思维方式）加起来还是一个脑，没有破界。另一副是把它当”头脑风暴、群策群力”——一群人围一起攒点子，不要求视角多样、也不要求把视角接成网络。真正的联脑破界有两个硬条件：一是视角要有足够的差异（Scott Page 的多样性预测定理：群体误差 = 平均误差 − 多样性，多样性越大群体越准），二是这些差异视角要能接成一个共同语言网络（接不上就是吵，不是联脑）。这两个条件少一个，”联脑”都失效。
经典源头要分清四块。第一块是归属：”联脑破界思维模型”这个中文名，是中文”100 个思维模型”类清单（飞书/知乎/《破维》等）对”借集体与跨界智慧突破个体认知边界”这一做法的概括名——非芒格、也非任何单一学者原创。第二块是芒格的思维格栅（lattice of mental models），见于 1994 年 USC 商学院演讲和《穷查理宝典》——芒格讲的是一个人把多学科心智模型挂成自己的认知网，是”个人内部的联脑”，常被读者和这条搅一起。第三块是 Scott Page 2007 年《The Difference》提出的多样性预测定理，用数学证明群体的预测误差等于成员平均误差减去预测多样性，多样性越大群体越准——这是”集体智慧”的硬理论根。第四块是 Frans Johansson 2004 年《美第奇效应》，讲创新发生在学科、文化、行业的交叉点（命名自文艺复兴时美第奇家族资助下佛罗伦萨跨学科汇聚）。外加 Philip Tetlock 主持、IARPA 2010-2015 资助的 Good Judgment Project，证明跨界组成的”超级预测者”团队，预测准确率赢过情报专家——这是联脑破界在情报领域的实战验证。四块里，清单给了镜头和名字，芒格给了一个人的版本，Page 给了数学，Johansson 给了交叉点的隐喻，Tetlock 给了实战范例。
10 个案例分析及思考逻辑
下面十个场景，前几个落在四行业最常见的”单一思维困局”里（电信跨域、金融风控、制造质检、电商大促），中间是 AlphaFold、乔布斯、超级预测者三个真实范例，后面接 AI 多智能体、个人跨界、边界条件，让十案例的姿态各不相同。带”示意”标记的，是用来说明思考逻辑的构造案例，非真实公司披露。
1. 电信：政企方案跨域集成的认知孤岛（示意）
某运营商系的政企信息化团队，做专线+云网方案多年，方案越来越复杂但中标率反降。团队全是通信工程出身，思维边界是”带宽、时延、SLA”。换联脑破界视角：缺的不是更精巧的网络设计，是另几种视角——客户的业务视角（这套方案怎么帮客户赚钱）、合规视角（数据出境怎么过）、财务视角（TCO 怎么算给客户 CFO 听）。对治：把这三类人（或这三种思维）接进方案设计早期，让网络设计和业务逻辑、合规要求、财务模型互相印证，而不是网络设计完了再让业务/合规/财务背书。接法是关键：不是开会时各说各话，是建立一个共同语言（比如”客户业务流程图”）让不同视角能对着同一张图说话。
2. 金融：风控模型缺一线视角（示意）
一家银行的风控团队，全是一群统计建模出身的博士，模型 AUC 越调越高，但坏账压不住。换联脑破界视角：缺的是做了二十年一线信贷审批的人的视角——他们知道借款人在什么季节、什么生活事件下会突然违约（这些是模型变量里没有的）。对治：把一线信贷员拉进模型变量设计阶段，不是让他们调参数（他们不会），是让他们讲”什么样的借款人会怎么表现”，建模的人把这种经验翻译成新变量。这是跨人维度的联脑——不同背景的人接成一个集体大脑，建模的人贡献方法，一线的人贡献现象。
3. 制造：质检跨学科借脑（示意）
某制造企业的产线质检，靠老工人肉眼+经验，新人培养周期长、漏检率不稳。换联脑破界视角：缺的不是更多老工人，是把”老工人的经验”和”机器视觉+AI”接起来。对治：让老工人对着摄像头讲”我看的是哪几个特征、什么算异常”，AI 团队把这些特征编码进模型——这是跨学科（传统经验 vs AI）+ 跨人（老工人 vs 工程师）的联脑。注意代价：老工人和工程师没有共同语言，需要一个”翻译”角色（既懂工艺又懂建模的人）把两者接起来，否则各说各话接不成网。
4. 电商：大促决策跨职能破界（示意）
某电商大促前，运营、供应链、客服、技术各定各的目标，大促当天库存、流量、客服承载力互相对不上，年年救火。换联脑破界视角：缺的不是每个职能更努力，是一个”联脑决策机制”——把四个职能的视角接成一个能互相印证的网络。对治：建一个”大促联合作战室”，不是开会吵，是四个职能对着同一张大促作战图（流量预测、库存水位、客服承载力、技术压测）实时对齐。这是组织维度的联脑——不同职能接成一个集体认知系统，看见的是整盘棋而不是各自的一格。
5. 经典：AlphaFold 的跨学科破界（真实）
Demis Hassabis 创办的 DeepMind，2020 年推出 AlphaFold，用 AI 解决了困扰生物学五十年的”蛋白质结构预测”难题，Hassabis 和 John Jumper 因此拿 2024 年诺贝尔化学奖。换联脑破界视角：这是跨学科联脑的教科书案例——团队不是纯 AI，也不是纯生物，是”机器学习+结构生物学+计算化学”的交叉。Hassabis 本人就是跨界模板（神经科学博士+计算机科学+游戏设计出身）。AlphaFold 之所以能成，正是因为没有哪个单一学科能单独解决蛋白质折叠——AI 人不懂生物约束，生物人不懂模型能力，接起来才破界。这是美第奇效应（交叉点创新）在硬科学上的极致范例。
6. 经典：乔布斯站在”科技与人文学科的交叉点”（真实）
乔布斯 2010 年 iPad 发布会上，背后是两个路牌——一个写”Liberal Arts（人文学科）”，一个写”Technology（科技）”，他说苹果一直站在两者的交叉点。更早，2005 年斯坦福毕业典礼演讲里，他讲自己大学旁听了一门书法课，十年后这门课让 Mac 成为第一台有漂亮字体的电脑——“你无法在向前看时把点连起来，只能在向后看时连起来”。换联脑破界视角：乔布斯个人的认知网络，是”技术+艺术+人文”的联脑——书法课（人文/艺术）接到产品工程（技术）上，才有了 Mac 的字体、iPhone 的多点触控、iPad 的阅读体验。这是个人维度跨学科的联脑破界，也是”跨时空”维度（十年前的书法课在十年后才连上）。
7. 经典：超级预测者——跨界团队赢过情报专家（真实）
Philip Tetlock 主持的 Good Judgment Project，是美国情报高级研究计划局（IARPA）2010-2015 年资助的”聚合性预测”项目的一部分。它证明了一件反直觉的事：一群背景多样、经过训练的”超级预测者”（律师、程序员、医生、退休工程师，不是情报专家），团队预测地缘政治事件的准确率，比成百上千名情报分析师还高。换联脑破界视角：这是 Scott Page 多样性预测定理的实战验证——预测准确率不靠单个最聪明的人，靠视角足够多样的团队，且这些视角能被聚合起来（项目用了贝叶斯更新训练+团队讨论机制）。它证明联脑破界不只是鸡汤：多样性+聚合机制，真的能赢过精英。
8. 深挖一刀：多样性不接成网，就是吵（原理）
联脑破界最反直觉的一刀，不是”找不同的人”，而是”不同的视角要接成网才有用，否则就是噪音”。Scott Page 的定理有个前提：多样性要能被聚合（aggregation）。一群背景不同但没有共同语言的人凑一起，各说各话，决策反而更慢、质量更差——这就是为什么很多公司”招了一群不同的人”却没变聪明。真正的联脑破界，要建一个”共同语言层”（一张共同的图、一套共同的指标、一种共同的推理框架），让不同视角能对着它互相印证、互相挑刺。多样性是必要条件，不是充分条件——少了”接成网”这一步，多样性反而是负担。这是这套模型被误用最多的地方。
9. 个人：把”主业+一个不相干的领域”接成第二曲线（个人）
一个人做了十年运营，职业天花板越来越低。换联脑破界视角：缺的不是更精的运营技能，是一个和运营不相干的领域——比如行为经济学、或者认知科学、或者数据可视化。把”运营+行为经济学”接起来，你能看见别的运营看不见的东西（为什么用户会非理性地点某个按钮）。对治：每年认真学一个和主业不相干的领域的核心模型，把它接到主业上——这是个人维度的跨学科联脑。注意：不是泛泛地”多读书”，是找一个和主业能产生化学反应的领域，深度学到能接网的程度。
10. 边界：有些问题不值得为它建联脑（原理）
联脑破界思维最该警惕的，是把它当万能工具。建联脑是有代价的：视角越多，沟通成本越高、决策越慢。一个常规的、单一学科就能解决的问题（比如算一个明确的数、执行一个标准流程），用联脑就是杀鸡用牛刀，反而拖慢。联脑破界真正值得用的场景，是”复杂、多维度、单一视角注定看不见全貌”的问题——战略决策、创新突破、跨域集成。所以这套模型的使用纪律是：先判断这个问题的复杂度够不够，够复杂才建联脑，简单问题用一个学科就够。不分场景地”什么都联脑”，是把手段当目的。
学习联脑破界思维的 10 个步骤
学这套模型，顺序比内容更重要。下面十个步骤按”懂概念 → 拆四维度 → 学经典 → 诊断边界 → 借脑 → 接网 → 防跑偏 → 上组织 → 建节奏”的弧线排，每步配一个实例。
1. 懂概念：认知边界 = 你只会的那几种思维
先把定义咬死：你的认知边界，由你掌握的几种思维模型决定；边界之内再努力也原地打转。实例：一个纯技术出身的创业者，怎么优化产品都像在堆功能——他的边界就是”技术思维”，看不见用户体验和商业逻辑那两面。
2. 拆开它和芒格”格栅”的混淆
这是最容易翻车的地方。实例：拿芒格的格栅（一个人把多学科模型挂进自己的脑）和联脑破界（借别人的脑）对照——前者是个人内部的网，后者是跨主体的网；两者互补（一个人既要多学多科，也要会借别人的脑），但不是一回事。
3. 学经典源头：芒格格栅 + Scott Page + 美第奇效应 + Tetlock
读四个真东西把感觉建立起来。实例：读《穷查理宝典》里芒格讲格栅（一个人的版本），再读 Scott Page《The Difference》的多样性预测定理（数学），再看 Frans Johansson《美第奇效应》（交叉点），最后看 Tetlock《Superforecasting》（实战）。一机理、一数学、一隐喻、一实战，联脑破界就立住了。
4. 练杀手问题：”我缺的是哪一种我从没听过的视角”
把这个问题变成条件反射。实例：拿一个你正卡住的问题问自己——我正用哪几种思维在解？这几思维看不见什么？我还缺哪一种我从没接触过的视角？答得出，盲区才看得清；答不出，你的”卡住”可能只是没意识到自己被什么思维困住了。
5. 学切维度：跨学科 / 跨人 / 跨时空 / 跨地域文化
养成先分维度的习惯。实例：一个问题卡住，先判断该从哪个维度借脑——是缺一个新学科的知识（跨学科）、缺一类不同背景的人（跨人）、缺历史的镜子（跨时空）、还是缺另一种文化的思维习惯（跨地域）。分清了才知道去哪借。
6. 识别”假多样性”
这是联脑破界最隐蔽的坑。实例：你招了一群背景不同的人，但他们要么没有共同语言（接不上）、要么很快被同化成一种思维（群体思维）——这两种都是假多样性。真多样性要满足：视角有差异 + 有共同语言 + 不被同化。
7. 学接网：建共同语言层
多样性要接成网才有用。实例：把不同视角的人接起来，不能靠”多开会”，要建一个共同语言层——一张共同的图、一套共同的指标、一种共同的推理框架。比如让技术和业务对同一张”客户旅程图”说话，而不是技术说架构、业务说需求，各说各话。
8. 案例对照：拿一个真实跨学科突破复盘
找一个你熟知的跨学科创新案例，用联脑破界视角重走一遍。实例：拿 AlphaFold 逐段问”它接了哪几个学科、每个学科贡献了什么、它们怎么接成网的、接的过程中最大的摩擦是什么”——这种事后复盘能训练你事中识别接脑的机会。
9. 应用到组织：决策前先过”边界—借脑—接网”
把对治做成流程。实例：重要战略决策前，强制走三问——我们这个团队正用哪几种思维、还缺哪几种、怎么把缺的视角接进来。三问答完再决策，能挡掉一大批”单一视角拍脑袋”的坑。
10. 定期复盘：盘点你接了哪些新视角、接没接成网
真正的纪律会留下痕迹——你会看清自己是在借脑还是在空转。实例：每季度盘点一次，过去一年你认真学了哪个新领域的模型、把它接到主业上没有、接网的过程中卡在哪。如果学了一堆但都没接上，你只是在囤知识，没在联脑。
对决策者的启示
落到带组织的大企业一把手身上，联脑破界思维有三条最值得焊进决策习惯：
第一，认知边界是组织最大的隐形天花板，而它由高层团队的构成决定。组织越大，决策越容易卡在”高层几个人只会的那几种思维”里。一个全是技术出身的董事会，看不见用户体验；一个全是财务出身的董事会，看不见长期的技术趋势。决策者要定期自问：我们这个决策圈，有几种思维？还缺哪几种？缺的那几种，是招一个高管能补，还是要建一个能持续接外部脑的机制（顾问委员会、跨界私董会、定期邀请外行质疑）？看不见自己认知边界的决策圈，只能在自己能看见的世界里转圈。
第二，多样性不是人头数，是视角差，而且要接成网。这是决策者最容易踩的坑——以为招了一群背景不同的高管就 diversity 了。Scott Page 的定理讲得很清楚：群体的力量来自视角的差异和聚合，不是来自人数。一群背景不同但没有共同语言、接不成网的高管，只会让决策更慢更吵。决策者要做的不是”凑多样性”，而是建一个让不同视角能互相印证、互相挑刺的共同语言层——这是组织设计的硬功夫，不是政治正确的口号。
第三，联脑破界有代价，要分场景用。视角越多，沟通成本越高、决策越慢。把联脑破界当万能工具、什么决策都拉一群不同的人来吵，是把手段当目的，拖垮组织。决策者要会分场景：复杂、多维度、单一视角注定看不见全貌的战略问题（要不要投 AI、怎么应对代际切换、跨域怎么整合），值得建联脑；常规执行、单一学科能解的问题，一个责任人拍板就够。会判断”这个问题值不值得为它建联脑”，比”什么都联脑”更体现决策者的成熟度。
文末引用
- “联脑破界思维模型”的归属：这个中文名是中文”100 个思维模型”类清单（飞书/知乎/《破维》等；较早的中文流传版本见 sina.cn 2019 年《查理芒格的 100 个思维模型》系列，第 64 条即”联脑破界思维模型”）对”借集体与跨界智慧突破个体认知边界”这一做法的概括名，非芒格、也非任何单一学者原创。证据层级：知识管理类词条 + 二手考据；立场：中立。
- 查理·芒格的”思维格栅”（Lattice of Mental Models）：芒格在 1994 年 USC 商学院演讲《A Lesson on Elementary Worldly Wisdom》系统阐述，后收入 Peter Kaufman 编纂的《穷查理宝典》（Poor Charlie’s Almanack）。讲的是一个人把多学科（数学、物理、生物、心理学、经济学等）的核心心智模型挂成一张互相印证的认知网。本文据此区分：”格栅”是个人内部挂网（一个人的联脑），”联脑破界”是跨主体借脑（一群人/学科的联脑），两者机理不同但互补（来源：Poor Charlie’s Almanack；grahammann.net 书摘）。证据层级：当事人著作 + 二手书摘；立场：当事人，中立。
- Scott Page 多样性预测定理（Diversity Prediction Theorem）：Scott E. Page，密歇根大学教授，2007 年出版《The Difference: How the Power of Diversity Creates Better Groups, Firms, Schools, and Societies》（普林斯顿大学出版社）。定理表述：群体预测误差的平方 = 成员平均误差的平方 − 预测多样性。即多样性越大，群体预测误差越小。这是”集体智慧优于个体”的数学根（来源：Wikipedia “Wisdom of the crowd”、”Diversity prediction theorem”；Page 2007 原书）。证据层级：百科 + 同行评审学术背景；立场：中立。
- Frans Johansson《美第奇效应》（The Medici Effect）：2004 年哈佛商学院出版社出版，核心论点：创新发生在学科、文化、行业的交叉点（intersection），命名自文艺复兴时美第奇家族资助下佛罗伦萨的跨学科汇聚。被 Amazon 评为年度十大商业书，译成 18 种语言（来源：Wikipedia “The Medici Effect”）。证据层级：百科 + 当事人著作；立场：中立偏倡导（作者后成立咨询公司 The Medici Group 推广此理念）。
- Philip Tetlock 超级预测者 / Good Judgment Project：Tetlock 主持的 Good Judgment Project 是美国情报高级研究计划局（IARPA）”聚合性预测”（ACE）项目的一部分，项目期 2010-2015。证明经过训练的”超级预测者”团队预测地缘政治事件的准确率超过情报专家。Tetlock 著有《Superforecasting: The Art and Science of Prediction》（2015，与 Dan Gardner 合著）（来源：Wikipedia “Aggregative Contingent Estimation Program”；”Demis Hassabis” 词条交叉印证）。证据层级：政府项目 + 当事人著作；立场：当事人研究，中立偏倡导。
- AlphaFold / Demis Hassabis 跨学科案例：DeepMind 2020 年发布 AlphaFold，解决蛋白质结构预测难题；Demis Hassabis 与 John Jumper 因此项工作获 2024 年诺贝尔化学奖。Hassabis 本人背景横跨神经科学（UCL 博士）、计算机科学、游戏设计，是跨学科人才的典型（来源：Wikipedia “Demis Hassabis”；Google DeepMind 官方博客）。证据层级：百科 + 官方；立场：中立。
- **乔布斯”科技与人文学科交叉点”**：乔布斯在 2010 年 iPad 发布会上以两个路牌（Liberal Arts / Technology）演示苹果”站在科技与人文学科的交叉点”；2005 年斯坦福毕业典礼演讲讲述大学旁听的书法课十年后塑造了 Mac 的字体（”connecting the dots”）。书法课教师为 Trappist 修士 Robert Palladino（来源：Time 2010 报道；typeroom.eu；2005 Stanford 演讲原文）。证据层级：当事人公开演讲 + 一手报道；立场：当事人，中立。
- 文中电信、金融、制造、电商的”示意”案例：均为说明思考逻辑的构造性案例，涉及的公司（”某运营商系团队 / 某银行风控团队 / 某制造企业 / 某电商”）非真实具名主体，相关细节为说明性构造，非任何真实公司披露。AlphaFold、乔布斯、超级预测者作为公开案例被提及，不涉及未公开披露。已在正文统一标注”示意”或”真实”。
- “联脑破界思维模型”这个名称：非芒格或任何单一学者亲口命名，是中文”100 个思维模型”类清单对”借集体与跨界智慧突破认知边界”的概括名；本文据实区分了它与芒格”思维格栅”（个人内部挂网）的关系，不挂芒格名下、也不混入头脑风暴/群策群力（不要求视角多样+接网）。
buymeacoffee
