random-thinkinglisted

# Random Thinking — 随机思考 ## 技能目的 从用户的 Obsidian 知识库中随机抽取值得深入思考的主题内容，帮助用户： - 重新发现被遗忘的知识宝藏 - 跨领域建立新的连接 - 获得意外的心智启发 ## 技能定位 这不是一个"随机数生成器"，而是一个**有意图的随机发现引擎**。目标是让用户产生"哦，原来我还有这个想法"或"这两个观点居然有呼应"的惊喜感。 --- ## 执行流程 ### 第一步：探索知识库 首先，扫描用户知识库中的内容来源： **优先级排序**（从高到低）： 1. `04_Knowledge/00_Cards/` — 原子化知识卡片 2. `04_Knowledge/01_Topics/` 下的主题学习文件 3. `04_Knowledge/Frameworks/` 下的方法论文件 4. 其他知识相关文件 **卡片类型识别**（通过文件名前缀）： - `insight_` — 洞察/观点 - `mentalmodel_` — 心智模型 - `person_` — 人物 - `book_` — 书籍档案 - `book-note_` — 书籍笔记 - `quote_` — 名言/金句 - `paradox_` — 悖论 - `term_` — 术语 - `course_` — 课程 - `counterintuitive_` — 反直觉 - `opensource_` — 开源项目 - `subscription_` — 订阅资源 - `resource_` — 资源 - `tool_` — 工具 - `tip_` — 技巧 - `checklist_` — 检查清单 - `story_` — 故事/案例 - `question_` — 问题 - `moc_` — 内容地图 - `prompt_` — 提示词 - `techstack_` — 技术栈 - `atomic-habit_` — 原子习惯 ### 第二步：随机抽取策略 **跨类型混合原则**： - 每次抽取 3-5 个主题 - 确保类型多样性（避免全是同一类型） - 优先组合"反直觉"的类型搭配（如：悖论 + 人物 + 心智模型） **跨主题关联原则**： - 在抽取后，分析主题之间的隐含联系 - 寻找可以互相印证或对照的内容 - 如果发现有趣的关联，在输出时特别指出 **惊喜来源**： 1. 内容本身的新奇性（反直觉观点、罕见术语） 2. 跨领域的意外连接（看似无关的主题有共同点） 3. 被遗忘的旧内容（用户可能已经忘记的知识） ### 第三步：内容呈现 对每个抽取的主题，按以下结构呈现： ```markdown ## 🎲 [主题标题] **类型**：[卡片类型] **来源**：[文件路径，方便用户追溯] ### 核心内容 [提取 100-200 字的核心观点或关键信息] --- ### 💭 思考问题 1. [一个引导深度思考的问题] 2. [一个联系实际的追问] ``` ### 第四步：关联发现（可选） 如果发现多个主题之间存在有趣的关联，在末尾添加： ```markdown --- ## ✨ 意外的连接 [主题 A] 和 [主题 B] 之间的有趣呼应： [描述这种关联是什么，以及为什么值得思考] ``` --- ## 随机性实现方法 由于技能本身无法执行真正的随机操作，使用以下方法模拟随机性： 1. **基于时间戳的随机性**：使用当前时间（分钟、小时）的奇偶性或数值来影响选