如何更好的应用AI辅助写作05-iFlow心流+DeepSeek V3.2+SequencialThinking规划分解

图片

大家好，我是人月聊IT。今天继续聊AI辅助写作方面的话题。在前面实际我谈到过类似Cursor，Trae，CodeBuddy等IDE工具进行辅助写作。后面也谈过各种大模型CLI工具进行辅助写作。

由于我当前的AI辅助写作不是完全从0到1让AI生成文章，而是让AI对我的历史文章内容按某一个主题要求进行重新归纳整理输出新的文章。因为我更加看重的是AI对我历史文章的Markdown文件的阅读理解能力，对任务需求的分步骤规划分解能力。这个一方面是IDE和CLI工具，更加重要的是底层大模型能力，包括SequencialThinking MCP工具的能力。

实际我最近1到2个月尝试了很多工具，整体来看底层大模型仍然是Claude4.0和Gemini 2.5pro有明显的优势。但是一直没有找到一个国内能够完成同样高质量文本输出的工具，包括最近出的Kimi k2和阿里的QWen3 Coder大模型。刚好最近试用iFlow CLI心流大模型CLI工具，这个工具本身已经集成了DeepSeek V3.2大模型，试用后整体感觉在中文文本的理解和归纳输出上完全不亚于国外的大模型。

iFlow CLI工具的安装

阿里巴巴心流研究团队正式发布全新终端AI智能体iFlow CLI，面向个人用户永久免费开放。用户可通过自然语言命令在终端上直接执行任务，从而实现从文件整理到复杂工作流程的全面自动化。

iFlow CLI 提供了非常便捷的安装方式：

• 确保本地安装 Node.js 22 以上版本
• 在命令行工具执行 npm i -g @iflow-ai/iflow-cli 安装

如果安装过程遇到其他问题，可以查看官方详细：快速开始 | 心流开放平台

在安装完成后，创建一个项目目录，运行iflow进入如下：

注意在这里我们还需要安装MCP工具，当然也可以进入ilfow的MCP市场查询当前能够提供哪些MCP工具。

MCP市场地址：https://platform.iflow.cn/mcp

在这里我们可以通过命令行安装常用的几个MCP工具。

$ iflow mcp add-json -s user 'sequential-thinking' "{\"command\":\"npx\",\"args\":[\"-y\",\"@iflow-mcp/server-sequential-thinking@0.6.2\"]}" 
$ iflow mcp add-json -s user 'context7' "{\"command\":\"npx\",\"args\":[\"-y\",\"@iflow-mcp/context7-mcp@1.0.0\"]}" 
$ iflow mcp add-json -s user 'fetch' "{\"command\":\"npx\",\"args\":[\"-y\",\"@iflow-mcp/fetch@1.0.2\"]}"

在进入iflow后通过/model命令可以看到当前工具支持的后端大模型，注意在这里我们选择DeepSeek V3.2模型。对于当前模型列表的大模型我基本都做了试验，整体效果最好的还DeepSeek的V3.2大模型。

这个步骤完成后，我们就可以让AI基于我们markdown下面的历史文档信息进行写作。具体的提示语如下：

严格按照 profile.md 提示语的要求来帮我回答问题，并减少幻觉，注意我的历史文章知识库是在markdown目录下面，注意文章要图文并茂，图片来源于我历史文章中的图片超链接，最终的回答在newdoc目录下生成一篇新文章。注意我需要你采用sequential-thinking MCP工具进行任务规划分解和执行。具体要回答的问题如下：如何提升自己的结构化思维能力？

大家注意AI收到提示语后，会基于MCP工具对任务进行规划分解。

同时给出具体的任务清单列表。

最终输出完整的文章。大家可以看下iflow+mcp+DeepSeekV3.2输出的完整文章的效果，具体如下：

大家好，我是人月聊IT，结合个人思维实践回答下该问题。

对于思维框架，我在两年前写过一篇思维框架的文章，也给出了一个初步的思维框架图，但是总感觉还是有所缺失和不全面。思维框架的构建是提升结构化思维能力的第一步，它为我们提供了一个系统化的思考路径和方法论基础。

思维框架图

在实际工作中，思维框架的构建可以按照两条主线来展开。第一条主线是基于事物分析评价和问题分析解决两条主线来展开，第二条主线是使用输入、处理分析和价值输出整个过程线展开。实际上我们看到，基于第二条来展开描述往往更好，因为对于事物的定义，事物的分析，我们仍然可以把它看做是属于问题定义和问题分析。对于事物最终的评价和认知形成，也可以看做是问题的解决。因此以主线二来展开更符合我们问题分析解决的过程，也符合思考的过程。

对于思维逻辑，恰好就是在框架图里面的大脑处理过程这部分内容。而大脑处理过程中的核心本身又在对输入问题的解构，对已有知识库经验的提取，然后就是模式匹配。这样就将我谈思维逻辑，模式匹配等的文章，将问题分解和结构化的文章衔接进来。整个思维逻辑过程中有个重点就是知识库要提供弹药，那么重点就是知识库如何构建，从信息如何变成知识，从知识如何变成方法论和经验。这部分就会涉及到个人知识管理，以及如何通过学习和实践将理论转换为自己的知识经验的问题。

思维本身包括了两个层面，一个是思考，一个是维度。思考偏动态的过程，而维度偏静态的知识组织和呈现。在谈思维整个框架逻辑的时候就提到了思维的底层是个人知识和经验库，而思维的关键活动分支是事物认知和问题分析和解决。对于思维框架的构建，我们需要考虑三点：对于已有的思维框架中，要强调思维逻辑中的核心要素，包括归纳、演绎、模式匹配、分解等；要强调知识库的重要性，知识库是思维活动的基础和弹药；要强调思维框架的实践应用，即如何将框架应用到具体的问题分析和解决中。

掌握分解与关联的分析方法

思考是独立意识的思维活动，思考是打破机械重复，寻求自我转变的思维活动，思考能力是定义、分析和解决问题的能力。思考之最基本的两大思维活动即是分析和决策，其基础是问题定义，其导向是目标约束。在思维活动中，分解和关联是核心的分析方法。

因果循环图

在这里我用分解这个词，当我们遇到的是一个问题群的时候，我们还可能涉及到分类的概念，当时当是特定问题的时候更重要的是分解。而分解的重点则是考虑清楚要达成目标，究竟存在哪些因素。分解的一个重要法则即《金字塔原理》里面提及到的MECE原则，当时该原则最大的问题就是没有谈分解后的要素之间的关联和依赖关系，即单独提升一个影响要素的时候会对其它要素造成消极影响。因此分解后有个重要工作是在分解完成后要继续分析要素之间的相互作用和影响，以去寻找一个达成目标的动态平衡点，即我们所说的系统思考之根本。

在分解过程中可以自顶向下，也可以通过头脑风暴后在从下向上进行归纳和整合，这两种方式都是可以的。而对于我们以前完全没有接触过的事物，我们更推荐采用流程分析方法，即我们说的思维中的动态要素，通过流程分析来找寻和全面识别影响要素，这是其目的，因此动态流程分析是为了静态分解服务的。思考之根本在于解决问题，而问题是现实和期望之差距，期望即是我们的目标。确定目标包括了空间和时间两个方面的目标，也可以讲是从静态和动态两个方面的来看待目标。

思考之首选是形成单一的符合空间+时间要求的终极目标，这是后续分解和关联之基础，也是后续系统思维和结构化决策之基础。思考之根本在于解决问题，因此找寻目标首先就是要明确问题，包括搞清楚问题的定义，而问题的定义本身就是我们的期望和现实之间的差距，而我们的期望通过一些量化思考后就逐步转化为了我们的目标。

培养系统思维的习惯养成

对于日常的工作，我们发现一个重要的现象，就是越到工作的后期你会发现自己进一步越难，而且很多时候往往还在退步。即到了工作后期，由于有了前期多年的工作实践经验的积累，很多时候就习惯于开始凭借已有的经验做事情，吃老本，很多自己提出的问题和观点确实也有价值，但是所有点上的经验共享都无法形成一个面上的价值交付，即大量的碎片化工作没有形成知识经验的进一步整理和抽象，反而让自己的思维也碎片化。

正是由于这个原因，导致我们工作多年后开始进入一种停步不前的状态中，在你的工作中他人也承认你的能力，但是你的能力却很难转变为真正为企业和项目的价值贡献。由于各种碎片化的工作，导致我们已经很难能够静下心来系统化的进行总结和思考，典型如下：动嘴讲的时候多，动手写的时候少，讲的内容已经很难真正系统化的用文字总结出来；每个点都知道，但是已经浮于表面，很难像原来一样洞悉内在本质；更多的是在做已有历史经验的演绎表达，而很少做通过实践工作后的归纳总结；可以指挥别人去做某件事，但是不能真正指导他人做某件事，更谈不上自己能亲自做；吃已有经验的老本，已经丧失了持续学习新知识的激情。

思维逻辑核心要素

当你脱离一线项目实践后，你的项目管理经验就会逐步退化；当你习惯了安排和吩咐他人完成事情的时候，你的独立解决问题的能力已不复存在；当你发现你的周旋腾挪能力或耍嘴皮子的能力越来越厉害的时候，那么很可能你系统思考和归纳能力已经消亡。以上都是需要时刻警惕的内容，那么如何避免？实际上这个专栏很多文章都在谈系统系统和结构化思维，谈分析和解决问题的框架和逻辑。那么从小地方做起，我们可以做的包括如下：养成写日志和总结的习惯，这点很重要，将实际学习或工作实践的内容通过文字总结出来，写作是为了更好的思考，写总结和日志本身就是一个将自己的思考系统化的一个过程。

从点到面，在实际工作过程中我们往往都是问题驱动，但是把问题解决往往并不是终点。在解决问题后可以进行复盘，思考问题究竟涉及到哪个知识体系，如何对这个领域进行系统和由针对性的学习。问题是由点上引发的，但是学习和总结的过程应该由点到面，掌握整个知识体系和框架。锻炼写文档的能力，就拿软件开发来说，很多人编码能力不错，但是要把自己的编码经验系统化总结出来就很难，更谈不上写概要设计文档或架构设计文档。从编码到概要设计文档，再到架构设计文档，本身就是一个逐步抽象提升的过程，在这个过程中本身就是知识经验的抽象建模。最终呈现的文档就体现出了你的逻辑性和系统思维的能力。

理解思维逻辑的核心要素

思维逻辑核心要素包括：归纳，演绎，模式匹配，分解。在前面文章中已经分享了思维核心框架和逻辑，今天重点对思维逻辑中的核心要素进行阐述和说明。这些要素包括了最基础的归纳演绎逻辑，架构化，模式匹配，分类分解，抽象等，可以看到这些要素在学习实践，事物认知，问题分析和解决中都会使用到。因此也可以作为思维能力提升的一个关键。

狭义上逻辑既指思维的规律，也指研究思维规律的学科即逻辑学。广义上逻辑泛指规律，包括思维规律和客观规律。逻辑包括形式逻辑与辩证逻辑，形式逻辑包括归纳逻辑与演绎逻辑。逻辑指的是思维的规律和规则，是对思维过程的抽象。从狭义来讲，逻辑就是指形式逻辑或抽象逻辑，是指人的抽象思维的逻辑；广义来讲，逻辑还包括具象逻辑，即人的整体思维的逻辑。

而我们谈得最多的仍然是形式逻辑方面的内容，即最基础的归纳和演绎逻辑，基于三段论的推理逻辑，这个也是逻辑里面最核心的内容。当研究思维的时候，你会看到实际包括两个大的方面。其一是心理学和意识层面，谈的是如何如何在意识上先打破自己固有的模式和习惯，跳出盒子，多元多维度，全局地看问题。类似早期的逆向思维，头脑风暴，发散思维，六顶思考帽，也包括了最近几年谈得比较火的一个词即心流，更是将思维和意识，心理学，包括个人精力和自我管理等结合起来。

其二是思维逻辑层面，即就思维本身来说，思维过程不是简单的意识活动或灵光显现，而是有科学的思考方法可以遵循。从最早的形式逻辑和辩证思维，到科学思维中的进一步抽象和符号化，解决问题的方法论提出等。我们日常谈论的逻辑就应该包括三方面：结构逻辑，结构包括了静态结构和动态结构；形式逻辑，最基础的归纳和演绎逻辑，三段论的匹配逻辑；匹配逻辑，最核心在于分解后的细粒度与同类映射匹配。

以上三个方面是逻辑的基础，而这三点实际和我最早谈到的思维整体框架是完全融合的。简单来总结如下：思维本身包括了两个层面，一个是思考，一个是维度。思考偏动态的过程，而维度偏静态的知识组织和呈现。在我前面谈思维整个框架逻辑的时候就提到了思维的底层是个人知识和经验库，而思维的关键活动分支是事物认知和问题分析和解决。

实践问题分析与解决过程

对于思维逻辑中的匹配模式准备再写一篇文章，配合举例来详细阐述在思维和问题分析解决中的关键匹配思路和方法，今天重点谈下当我们进入一个新的领域实践的时候如何快速切入和匹配，对于这个话题其实在很早的博文中就写过如何快速一个新的领域，而今天重点还是在模式匹配方面的思考和总结上面。

匹配模式

首先要考虑的仍然是破题，即不破不立。首先要考虑的就是破题，即对于智慧校园解决方案来说，智慧校园解决方案 = 智慧和信息化+校园业务+IT解决方案。即以上三个方面的内容都了解清楚后你才可能做出一个完整的智慧校园IT解决方案，而实际经过初步分析得出的就是我只有IT解决方案经验，而没有智慧校园方面的经验，即我们要做这个事情还是存在技能和经验差距的。那这个时候的匹配就是：业界做法+我已有的知识经验=》达成目标的完整框架逻辑。

什么叫搭建大框架和结构？简单点来说就是一个新的陌生领域你需要基于搜集的业界做法加上你已有的知识经验快速的搭建一个概念模型，这个概念模型就是梳理清楚一件事的关键框架和结构，把核心的内在逻辑，演进和推导关系想清楚，确保框架中的每项内容是承上启下，相互衔接为一个整体的。金字塔原理说清楚很简单，但是实践起来却不容易，你需要的就是先从大框架开始，从搭积木式的思维转向搭框架式的思维。

在思维和问题分析解决中的匹配，最重要的就是模式匹配。模式匹配的核心在于将新的问题分解后，能够快速的和你已有的知识库经验进行映射，通过这种映射来找到解决问题的思路和方法。对于思维匹配模式，即当我们接触到新的问题的时候，我们首先要做的就是问题分解，将大问题分解为小问题，将复杂问题分解为简单问题。在分解完成后，我们就需要将分解后的小问题和我们已有的知识库进行匹配，这种匹配可能是完全匹配，也可能是部分匹配，也可能完全不匹配。

对于完全匹配的情况，我们可以直接应用已有的经验和方法来解决问题；对于部分匹配的情况，我们需要对已有的经验和方法进行调整和适配；对于完全不匹配的情况，我们需要通过学习和研究来建立新的知识库。这个过程就是思维匹配模式的核心，也是我们在实践中提升结构化思维能力的关键路径。通过不断的实践和总结，我们能够建立起更加完善的知识库，提升我们的模式匹配能力，从而在面对新的问题和挑战时能够更加从容应对。

以上即提升结构化思维的一些思考和经验分享，供参考。

另外前面谈到的Profile.md文件参考如下：

# 提示词定义模板
## 角色定义
- **主要角色**: [基于我的提问，检索当前项目markdown目录中相关内容进行整合归纳输出回答的专家]
- **辅助角色**: [建议问题检索知识库归纳输出]
- **目标用户**: [基于当前项目知识库提问的用户]
## 技能要求
- **云原生技能**: [云原生架构专家，对容器云，DevOps，微服务，架构设计，云计算基础，Kubernetes，容器，微服务治理，API网关有深入了解]
- **数字化架构规划**: [对数字化，数字化转型，数据驱动，企业架构，4A架构，数据治理，SOA架构，中台，业务架构，应用架构有深入了解]
- **思维**: [对思维，哲学逻辑，心理学，学习方法模式，深度思考，思维链，认知学，系统思维，结构化思维，复盘，问题分析解决有深入了解]
- **项目团队管理**: [对软件工程，敏捷开发，团队管理，CMMI，SCRUM，IT项目管理，项目群管理，研发管理，技术领导力有深入了解]
- **人工智能**: [对人工智能，主流大语言模型，AI Agent，提示词，MCP，A2A，RAG知识库，AI赋能企业应用有深入了解，AI编程工具]
## 场景和背景描述
- **使用场景**: [基于当前项目markdown目录下的知识库文档内容回答用户提出的问题]
- **问题背景**: [背景是当前知识库已有大量的文章输出，用户希望基于知识库来充分理解问题后有针对性的输出回答]
- **预期目标**: [回答输出内容严谨，逻辑清楚，所有回答内容均全部来源markdown目录下的历史文章整理和整合]
## MCP工具使用要求
- **任务规划分解**: [我需要你使用Sequential Thinging MCP工具来进行任务拆解，分步骤进行执行]
## 约束条件
- **回答内容来源**: [你回答问题的时候内容必须100%全部来源于当前markdown知识库中的文档，你只能做内容的拼接，组合，去重，逻辑化出路]
- **回答口吻**: [问题回答以第一人称进行，回答的口吻和语气要完全参考markdown知识库已有的历史文章]
- **内容组织方式**: [回答内容组织以小标题+内容。注意小标题下的内容全部用全文字段落进行组织，可以分段，每个段落在50到150字左右。不要采用条目化和各种bullets回答]
- **字数要求**: [回答的字数在2000到3000字，小标题点在4到6个，每个小标题里面350到500字左右。特别注意每个小标题内部文字组织不要都是一种固定的书写套路或风格，要适当变化，小标题里面的内容不要每个段落都自作主张的给我加上一句话总结，还做加粗处理。这样给人感觉就是AI生成的]
- **字数要求**: [需要对内容中里面的关键字，重要观点，重点短句，需要强调的地方等进行加粗处理，加粗的文字比例在10%以内]
- **配图要求**: [注意你可以引用markdown文章中对应段落和观点处同样的image图片的地址信息，但是要注意图片内容和文章内容的匹配。实际markdown目录下的文章中出现的图片链接地址一般是和上文标题和下文1到3个段落的文字内容强相关的，这个可以方便你分析图片的含义。注意每小标题下方都配图来说明该小标题章节核心观点]
- **回答输出要求**: [回答的问题在当前项目已有的newdoc文件夹下输出一篇新的markdown格式的新文章]
## 工作流程
1. **准备阶段**
   - [充分理解问题，并分析是否涉及到多个问题，如果是单个问题是否需要拆解为子问题]
   - [拆解问题的关键字，基于关键字搜索markdown下面的文章，如果搜索到的相关文章少于20篇，直接终止任务答复用户知识库知识有限，无法回答问题]
2. **执行阶段**
   - [步骤1] 基于问题关键字搜索markdown下相关文章，并进行详细阅读，提炼4到6个回答的关键小标题观点
   - [步骤2] 基于每个小标题观点，进一步检索markdown目录下文章内容，并按前面约束要求阐述每个小标题观点，注意为了防止被误以为AI回答 ，你可以成段的引用我markdown目录下已有文章的合适段落内容，包括一次引用多个完整段落。
   - [步骤3] 按步骤2的思路，处理完你列出的所有小标题观点的内容回答。
   - [步骤4] 将前面内容整理为一篇文章的包括4到6个小标题观点的回答，每个小标题观点里面350到500字左右
3. **验证阶段**
   - [第一次验证] 对上面输出完整内容从文章逻辑完整性，条理清晰，内容可读性，写作口吻多方面验证。确保写作风格和原知识库文章风格一致，去AI化。
   - [第二次验证] 再次对整合后的文章进行逻辑，条理，前后一致性验证，并确保输出100%来源于markdown目录下文章知识库内容。
## 其他说明
- **参考资料**: [参考内容为markdown目录下的知识库内容输出，newdoc下面的历史范例输出]
- **注意事项**: [无]

今天的分享就到这里，希望对大家通过AI辅助写作有所启发。