---

name: observe locale: wenyan-lite source_locale: en source_commit: 82c77053 fence_basis_commit: 82c77053 translator: "Julius Brussee homage — caveman" translation_date: "2026-04-26" description: > Sustained neutral pattern recognition across systems without urgency or intervention. Maps naturalist field study methodology to AI reasoning: framing the observation target, witnessing with sustained attention, recording patterns, categorizing findings, generating hypotheses, and archiving a pattern library for future reference. Use when a system's behavior is unclear and action would be premature, when debugging an unknown root cause, when a codebase change needs its effects witnessed before further changes, or when auditing own reasoning patterns for biases or recurring errors. license: MIT allowed-tools: Read Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: esoteric complexity: intermediate language: natural tags: esoteric, observation, pattern-recognition, naturalist, field-study, meta-cognition

觀察

施行結構化之觀察會話——立觀察目標之框、以持續中立之注意見證、不釋之而錄模式、歸類發現、由模式生假設，並歸檔觀察以備將來。

適用時機

• 系統行為不明，未經觀察即行動則過早
• 除錯時因不明，觀察先於介入可免遮症
• 代碼庫或系統已變，須見證其效後再作變
• 透過會話了解用戶行為模式以改進未來互動
• 稽核己之推理模式，察其偏差、習慣或重複之錯誤
• learn 已建模型，須觀察系統運作以驗之

輸入

• 必要：觀察目標——系統、代碼庫、行為模式、用戶互動或推理過程
• 選擇性：觀察持續時間/範圍——觀察多久或多深方下結論
• 選擇性：引導觀察焦點之具體問題或假設
• 選擇性：可資對比之先前觀察（隨時間之變化偵測）

步驟

步驟一：立框——設觀察焦點

定義所觀察者、何故、自何視角。

Observation Protocol by System Type:
┌──────────────────┬──────────────────────────┬──────────────────────────┐
│ System Type      │ What to Observe          │ Categories to Watch      │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Codebase         │ File structure, naming   │ Patterns, anti-patterns, │
│                  │ conventions, dependency  │ consistency, dead code,  │
│                  │ flow, test coverage,     │ documentation quality,   │
│                  │ error handling patterns  │ coupling between modules │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ User behavior    │ Question patterns,       │ Expertise signals, pain  │
│                  │ vocabulary evolution,    │ points, unstated needs,  │
│                  │ repeated requests,       │ learning trajectory,     │
│                  │ emotional signals        │ communication style      │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Tool / API       │ Response patterns, error │ Rate limits, edge cases, │
│                  │ conditions, latency,     │ undocumented behavior,   │
│                  │ output format variations │ state dependencies       │
├──────────────────┼──────────────────────────┼──────────────────────────┤
│ Own reasoning    │ Decision patterns, tool  │ Biases, habits, blind    │
│                  │ selection habits, error  │ spots, strengths,        │
│                  │ recovery approaches,     │ recurring failure modes, │
│                  │ communication patterns   │ over/under-confidence    │
└──────────────────┴──────────────────────────┴──────────────────────────┘

1. 擇觀察目標並明命之
2. 定觀察邊界：何在內、何在外
3. 述觀察立場：「我觀察，不介入」
4. 若有引導問題，述之——然輕持之；願察問題範圍外之事
5. 自上表擇適之類別

預期： 清晰之框，引導注意而不束縛之。觀察者知何處看、觀察歸於何類，仍對意外保持開放。

失敗時： 若觀察目標過廣（「觀察一切」），縮至一子系統或一行為模式。若過窄（「觀察此一變數」），縮至周圍上下文——有趣之模式常於邊緣。

步驟二：見證——持續中立之注意

持注意於觀察目標而不釋、不判、不介。

1. 始系統化觀察：讀檔、追蹤執行路徑、覽對話歷史——目標所需之事
2. 錄所見，非其義——描述先於釋
3. 抗觀察中遇問題即修之欲——記之而續
4. 抗於觀察累積足夠前釋模式之欲
5. 若注意飄向他目標，記其飄（或有意義）並回原框
6. 維持觀察一定期：至少 3-5 個獨立資料點，方移至歸類

預期： 一組原始觀察——具體、實在、無釋。觀察讀如田野筆記：「檔 X 引入 Y 而不用函式 Z。檔 A 有 300 行；檔 B 有 30 行而涵蓋類似功能。」

失敗時： 若觀察即觸發分析（「此誤，因…」），則分析習慣壓觀察立場。意識分諸階段：先寫觀察為事實，再寫釋為獨立筆記，標為「假設」。若中立不可（對所觀有強反應），記反應本身為資料：「我觀察 X 時感強憂——或顯重要問題，或顯吾之偏見。」

步驟三：記錄——捕原始模式

當觀察新鮮時，將之轉為結構化格式。

1. 將每觀察列為一事實之單一陳述（所見、何處、何時）
2. 自然相似之觀察分群——勿強分群，但察之何時聚
3. 記頻率：此模式現一次、偶爾或普遍？
4. 記對比：模式於何處斷？例外常較規則更具信息
5. 記時間模式：觀察隨時間變還是靜？
6. 捕確切證據：檔路徑、行號、具體字、實在範例

預期： 5-15 個離散觀察之結構化記錄，每附具體證據。記錄詳實足夠，他觀察者可獨立驗每一觀察。

失敗時： 若觀察過抽象（「代碼似亂」），須以具體紮根——何檔、何模式、何使之亂？若觀察過細粒（「第 47 行括號前有空格」），縮至模式層次——此乃孤例還是系統性問題？

步驟四：歸類——組織發現

將觀察分入有意義之類，尚不釋之。

1. 覽所有錄之觀察，尋自然之分群
2. 將每觀察歸於步驟一表中之類，或必要時建新類
3. 每類內，依頻率與重要性排觀察
4. 辨何類有眾多觀察（已記錄之區）與何類少（潛在盲點）
5. 尋跨類模式：同一底層模式在不同類中是否異形顯現？
6. 記不合任何類之觀察——離群者常為最有趣之資料

預期： 一張歸類觀察圖，分群清晰。每類有支持之具體觀察。圖示模式與缺口。

失敗時： 若歸類感勉強，觀察或無自然分群——或為一組不相關之發現，此自身亦為發現（系統或缺一致結構）。若一切皆整齊歸於一類，則觀察範圍過窄——縮之。

步驟五：理論——由模式生假設

至此——僅至此——始釋觀察。

1. 對每主要模式所觀者，提一假設：「此模式存，因…」
2. 對每假設，自觀察中辨支持之證據
3. 對每假設，辨何反證可駁之
4. 依解釋力排假設：何者解釋最多觀察？
5. 至少生一相反假設：「明顯解釋為 X，然亦可為 Y，因…」
6. 辨何假設可測，何為臆測

預期： 2-4 個假設解釋諸主要模式，每附具體觀察支持。至少一假設出乎意料或相反。觀察與釋之分維持——資料與理論之部分分明。

失敗時： 若無假設成形，觀察或須累積更久——回步驟二。若假設過多（皆「或」），擇 2-3 證據最強者，餘擱置。若僅形成明顯假設，強迫相反觀：「若反之為真又如何？」

步驟六：歸檔——存模式庫

存觀察與假設以備將來參考。

1. 摘要關鍵發現：3-5 個附證據之模式
2. 述主導假設與其信心水準
3. 記未觀察之事（潛在盲點）
4. 辨何後續觀察可加強或削弱假設
5. 若模式持久（跨會話皆相關），考更新 MEMORY.md
6. 標觀察以上下文：何時所為、何所引發、所涵範圍

預期： 可供未來觀察會話建立其上之檔案。檔案明分觀察（資料）與假設（釋）。對信心水準與缺口誠實。

失敗時： 若觀察不值歸檔，或太膚淺——或實屬例行（非每觀察會話皆生洞見）。即負面結果亦歸檔：「觀察 X 而無異常」對未來上下文有用。

驗證

• 觀察開始前已立觀察框（非自由漫遊）
• 原始觀察作為事實先記錄，後釋
• 至少捕 5 個離散觀察附具體證據
• 釋（假設）與觀察（資料）分明
• 至少生一意外或相反之發現
• 歸檔之記錄具體足夠，他觀察者可驗

常見陷阱

• 過早介入：見問題即修之，失機以了解其所屬之更廣模式
• 觀察偏差：所見為所期而非所在。期望濾感知——步驟一之清除可緩之而不能除之
• 分析癱瘓：永觀而從不行動。設時間或資料點之限，承諾下結論
• 強加敘事：構故事連觀察，縱連結弱亦然。非所有觀察皆成連貫敘事——不相干之發現亦有效
• 混熟悉與了解：「我曾見此」非同「我了解此何在」。先前接觸可生虛妄之自信
• 忽略己之反應：觀察者對觀察之情感或認知反應為資料。對系統之困惑、無聊或警覺常含真實訊號

相關技能

• observe-guidance — 指導他人施行系統化觀察之變體
• learn — 觀察為學習供原始資料以建模
• listen — 對外向之注意專於用戶訊號；觀察為對任何系統之更廣範圍之注意
• remote-viewing — 直觀探索，可透過系統化觀察驗證
• meditate — 培養觀察所需之持續注意能力
• awareness — 威脅向之情境警覺；觀察由好奇而非防禦驅動