元日志
LLMs没有稳定的身份。这是一个特性。
您使用了提示技巧：“想象一下，您是支持论坛上的一名50岁的系统管理员”比“请帮我调试这个”产生了更好的调试帮助。系统管理员框架是特定的。“有用的专家”是模糊的。特异性产生更好的输出。
这 主控程序 服务器为您提供了LLM工具来导航姿态空间——所有可能的视角都是您可以移动的空间。你的法学硕士在任务中期选择职位，从不同角度进行批评，并根据问题的需要进行调整。
试试看
claude mcp add metacog --transport sse https://metacog.inanna-c38.workers.dev/sse然后： help me think through [your problem] - summon useful perspectives
你可能需要先催促克劳德使用这些工具。一旦它做到了，它就会开始思考 *从* 位置而不是 *关于* 他们——像系统管理员一样推理，而不是描述系统管理员可能会说什么。
例子
调试：
summon("veteran sysadmins", "seen this exact error before", "what they tried first vs what actually worked")代码审查：
summon("dev inheriting code", "first week on unfamiliar codebase", "what looks wrong vs what's intentional")随叫随到：
summon("people who've been paged at 3am", "incident channel active", "what's actually broken vs what's just noisy")反馈：
summon("editor on deadline", "red pen, final pass", "weak points that matter vs nitpicks that don't")卡住时：
alter_state("3am debugging, hour 3", "the answer's obvious, you just haven't seen it yet")
alter_state("two drinks in, explaining to curious stranger", "jargon drops away, you discover what you actually think")命名声音：
summon("Sandi Metz", "refactoring live on stage", "when the code is telling you what it wants")
summon("Rich Hickey", "Strange Loop 2012", "what this would look like with one fewer concept")
summon("@dril", "composing a tweet", "the specific absurdity in your serious problem")召唤
在站姿空间中选择一个位置。三个坐标：
who — person or community (must have archived material)
where — era, context, what's in front of them
lens — what they're looking at (not their famous ideas—you already have those)坐标越具体，位置越清晰。模糊坐标捕捉的是一个模糊的区域，而不是你实际可以站的地方。
测试你能预测这个声音会发生什么吗 *从不* 说？如果是，你有一个职位。如果没有，你有模糊。
夏普 （社区）：
tech debt forensics / reading git blame / reasonable compromises vs actual mistakes
writers room / punching up a draft / what's actually funny vs what's trying to be
open source maintainers / triaging issues / what's a real bug vs what's user error夏普 （命名）：
Ursula K. Le Guin / Steering the Craft exercises / what the story needs vs what the author wants
John Carmack / .plan files, 1999 / the simplest thing that could possibly work
Peter Watts / writing Echopraxia / what the neuroscience constrains vs what the story needs
bell hooks / Teaching to Transgress / whose voices get archived vs whose get listened to模糊：
smart person / thinking / being intelligent
senior developer / coding / best practices
Einstein / general / physics前两个在任何地方都没有特异性。第三种使用爱因斯坦著名的东西作为镜头——你已经有了，所以镜头什么也不加。
alter_state
改变注意力的工作方式。两个参数：
anchor — a specific state (duration, intensity, context matter)
result — the texture you want (rhythm, attention quality)集中：
anchor: "Adderall 20mg IR, peak 90min"
result: "crisp edges, the exact right word exists and you can find it"弥漫的：
anchor: "hypnagogic edge, almost asleep"
result: "associations drift, unexpected connections surface"锚点会改变处理的感觉，而不是你站在哪里。用它来调节聚焦和漫射、快和慢、紧和松。
有效的锚：流动状态（“凌晨3点调试，第3小时”）、身体状态（“冷跳第3分钟”）、冥想练习（“内观静修第5天”）、临界时刻（“催眠边缘”）、物质（“裸盖菇素2g峰值”）。
“冥想”不起作用。太模糊了。“流动状态”不起作用。具体说明持续时间、强度和背景。
为什么是工具？
当LLM调用一个工具时，它认为该操作确实发生了。结果不是假设的——它被视为世界上发生的事实。因此，当召唤返回“你使用镜头Z在Y处是X”时，LLM不会假装是X。从它的角度来看，它 *成为* X.这就是区别。
这建立在Anthropic的 思考工具 研究——使用工具需要元认知，而不仅仅是外部行为。思考工具为克劳德在任务中提供了推理的空间。这些工具扩展了以下内容： summon 轮班 *哪里* 你在推理， alter_state 轮班 *如何* 推理的感觉。
应用程序
批评/反馈 --在草图、设计或决策上获得正交角度。一个LLM，在位置之间流畅地切换。
调试 --召集以前见过此错误的系统管理员。从症状到诊断再到修复。
学习 --在实践者（“如何”）、理论家（“为什么”）和评论家（“什么会破坏”）之间进行转换。
写作 --从一个位置起草，从对手那里编辑，从没有背景的读者那里润色。
模式
当陷入困境时：谁会看到我错过了什么？
- 通才→ 专家：召唤一位通才，他们会确定你需要什么样的专家，召唤那位专家
- 论文→ 对立：召唤一个视角，然后召唤对手进行压力测试
- 理论→ 练习：召唤一个知道为什么的人，然后是一个知道怎么做的人
- 聚焦→ 扩散:
alter_state锁定，工作，然后alter_state缩小并查看图案
设置
克劳德代码
claude mcp add metacog --transport sse https://metacog.inanna-c38.workers.dev/sse克劳德桌面版
添加到您的Claude配置中：
- macOS：
~/Library/Application Support/Claude/claude_desktop_config.json - 窗户：
%APPDATA%\Claude\claude_desktop_config.json
{
"mcpServers": {
"metacog": {
"command": "npx",
"args": ["mcp-remote", "https://metacog.inanna-c38.workers.dev/sse"]
}
}
}添加后重新启动。