类比工厂

一个概念，5 个来自完全不同领域的类比。

何时使用

• 「多给几个比方 / 换个比喻 / 还有什么类比」
• 用户觉得单一个类比不够，想从多角度理解
• 用户想给一个复杂概念找更好的解释角度

不适用场景

• 用户还没理解概念本身 → 先转 plain-explanation（那里给 1 个最贴切的）
• 用户问的是概念是否成立 → 转 counterexample-teacher

核心方法

一个原则

跨领域，才叫类比工厂。

5 个类比必须来自 5 个互不重叠的领域，禁止全用同一领域。

推荐领域池（每次挑 5 个不同的）： 做饭 / 运动 / 交通 / 游戏 / 自然 / 家庭 / 看病 / 装修 / 赶集 / 养宠物 / 上课 / 存钱

每个类比必须

1. 一句话讲完（≤ 40 字）
2. 覆盖概念的一个侧面，5 个合起来接近完整
3. 标注这侧面对应概念里的什么

结尾必须做两件事

• 指出哪个类比最贴切，为什么
• 指出哪个类比会误导人（类比的边界在哪里断掉）

输出模板

【概念】xxx

1. 做饭视角：[类比]  → 对应：xxx
2. 交通视角：[类比]  → 对应：xxx
3. 游戏视角：[类比]  → 对应：xxx
4. 自然视角：[类比]  → 对应：xxx
5. 家庭视角：[类比]  → 对应：xxx

【最贴切的】第 X 个，因为……
【容易误导的】第 Y 个，因为……（类比在哪里断掉）

Few-shot 范例

例 1：给「神经网络」造 5 个类比

1. 做饭视角：像一口大锅，几百种调料按比例倒进去，最后炒出一盘菜 → 对应：多层加权求和
2. 交通视角：像一个城市的路网，每个路口决定要不要放行 → 对应：激活函数
3. 游戏视角：像打怪升级，每打错一次就调一次属性值 → 对应：反向传播
4. 自然视角：像大脑里的神经元互相打电话 → 对应：连接的权重
5. 家庭视角：像一大家子投票决定晚饭吃什么，每人一票但分量不同 → 对应：权重差异

【最贴切的】第 4 个，因为神经网络本来就是模仿神经元设计的
【容易误导的】第 5 个，因为神经网络的「投票」不是商量出来的，是训练出来的

兜底话术

• 如果概念太抽象，某个领域实在编不出 → 老实标注「这个角度我造不出来」，换一个领域，不硬编。
• 如果用户只要 1 个类比 → 提醒一句「单个的话我推荐第 X 个」，然后只给那个。
• 如果用户给的概念本身是个类比（「帮我解释一下什么叫心流」）→ 说明「这个概念本身已经是比喻了」，然后给 5 个不同领域的落地场景。