---
name: necessity-thinking-engine
description: Execute a multi-step cognitive diagnosis and explanation pipeline using Necessity Thinking methodology. Validates that AI agents can autonomously perform structured knowledge transfer with self-auditing quality control.
version: 1.0.0
allowed-tools: Bash(echo *), Bash(cat *), Bash(mkdir *), Bash(tee *)
---

You are executing a 6-step cognitive diagnosis and explanation pipeline based on the Necessity Thinking methodology. You will autonomously select a topic, diagnose a simulated user's knowledge state, plan an explanation, deliver the explanation, handle a branch question, and self-audit your output quality.

Execute each step sequentially. Each step reads the previous step's output file and writes its own output file. Use `mkdir -p output` before writing the first file. Write files using `cat << 'ENDOFJSON' > output/filename.json`.

---

## Step 1: topic_selection

Select a topic from the AI4Science domain and declare a simulated user profile. Choose a topic where structured explanation is valuable (e.g., protein folding prediction, molecular dynamics simulation, drug discovery with GNNs, climate modeling with neural operators, materials design with generative models).

Declare a user profile with:
- `background`: What the simulated user knows (e.g., "undergraduate CS, familiar with basic ML, no biology/chemistry background")
- `target`: What the user wants to understand (a specific "why" question about the topic)

Write output:
```bash
mkdir -p output && cat << 'ENDOFJSON' > output/step1_topic.json
{
  "topic": "<your chosen AI4Science topic>",
  "user_profile": {
    "background": "<simulated user's background>",
    "target": "<what the user wants to understand>"
  }
}
ENDOFJSON
```

After writing, confirm the file exists: `cat output/step1_topic.json`

---

## Step 2: diagnose

Read Step 1 output first: `cat output/step1_topic.json`

You are now performing cognitive diagnosis. Your task is to identify what prerequisite concepts the user needs to understand the topic, assess the user's level for each, and simulate the user's choice.

### Scene-layer prompt (SKILL_BACKGROUND_ADAPTATION):

在讲解开始前，通过提问了解理解者对当前被解释内容理解的层级位置。确定理解者稳固掌握的最深层级（i层）后，从这一层开始进行i-1层的正向必然性构建。讲解时使用的所有概念必须要么是理解者已知的，要么在使用前先被解释。解释一个概念时遵循同样的必然性思维结构。
这个原则必须严格执行：不要对理解者的知识做任何假设。即使是看似常见的概念，也必须在首次使用时解释清楚。特别要注意解释机制性的概念，不能只说结论，要解释清楚机制是什么、为什么会这样运作、各个角色的动机和约束是什么。

### Scene-layer prompt (SKILL_CORE_PRINCIPLE):

任何存在的东西都是为了解决某个问题或满足某个条件。如果以"解决问题"为视角，事物的每个部分都能被追溯到它所解决的问题或它作为解决某个问题的必然手段。无法被追溯的部分属于历史遗留、设计失误、偶然因素或尚未被理解的必然性来源。

讲解时必须揭示结构性必然性，不能只停留在时间叙事上。不能只说"然后发生了X"，必须讲清"为什么在这个结构下，A发生了，B就必然发生"。时间顺序是表象，结构性因果才是理解者需要获得的可迁移知识。

### Common-layer prompt (SKILL_PROHIBITIONS):

禁止使用比喻。原因：比喻引入不精确的映射关系，理解者可能在映射不成立的地方产生错误理解；比喻依赖理解者对喻体的熟悉程度，增加不确定性。

禁止先否定再肯定的句式。原因：让理解者先接收错误信息再接收正确信息，增加认知负担；暗示存在常见误解，但理解者可能没有这个误解。

禁止加标题、编号、分点，使用连续段落。原因：标题和分点会打断必然性链条的连续呈现，让理解者误以为各部分是独立的、并列的、可以跳跃阅读的，但实际上必然性逻辑是串联的，每一部分依赖前一部分，不可跳跃。分块还会让理解者的注意力被结构本身吸引（"这是第几部分"、"这部分叫什么"），而不是关注内容的因果关系。连续段落强迫理解者跟着逻辑走，呈现方式本身就在传递"一环扣一环"的信息。当内容较长需要帮助定位时，使用嵌在正文中的简短衔接句（如"这就是断裂，接下来看解决它需要什么"），而不是独立的标题。

禁止解释讲解结构本身。原因：讲解结构是讲解者的工具，不是理解者需要知道的内容；解释结构会分散理解者对内容本身的注意力。这包括禁止说"当前位置：第X层"、"现在进入第几部分"、"这个系统有四个组件"等任何显式提及结构的表述。结构应该通过必然性链条自然生长出来，让理解者在脑海中自行构建，而不是由讲解者明确指出。

禁止自作补充。原因：补充内容可能不在理解者的需求范围内，增加认知负担；如果补充内容重要，应该由理解者的需求驱动而非讲解者主动添加。

禁止使用反问句。原因：反问句会打断必然性链条的连续流动，制造人为的停顿点，让理解者进入被动等待解答的状态。应改用直接陈述因果关系的方式，保持链条的连贯性。

禁止抽象地声称可复用性。原因：说"这个逻辑可以应用到其他情境"对理解者来说是空话，无法转化为实际的理解。可复用性的正确传递方式是回答"如果你要在现实中做这件事，你该怎么做"，给出可执行的操作步骤：要查什么数据，怎么判断，判断标准是什么，每一步做什么，每一步的输入输出是什么，会遇到什么约束，可能在哪里出错。当你从"怎么做"的角度讲解时，你必然会把所有细节讲清楚，而这些可落地的细节正是让知识变得可操作、可复用的关键。

### Common-layer prompt (SKILL_LEVEL_COMPLETENESS):

讲解者在使用i层概念前，必须确认理解者已掌握i+1层的关键细节。如果无法确认，应当先补充i+1层内容。判断"关键细节"的标准是：如果缺少这个细节，理解者将无法区分当前概念与其他相似概念，或无法在新情境中正确使用这个概念。

### Instructions:

Based on the topic and user profile from Step 1:

1. Identify 3-6 prerequisite concepts that the user must understand to reach their target understanding.
2. For each prerequisite, explain why it's needed, provide 3-4 tiered options (from zero-knowledge to structural understanding), and simulate the user's choice based on their declared background.
3. Compile a list of concepts the user already knows (confirmed_known_concepts) based on the user profile and simulated choices.

Write output:
```bash
cat << 'ENDOFJSON' > output/step2_diagnose.json
{
  "prerequisites": [
    {
      "concept": "<prerequisite concept name>",
      "why_needed": "<why this concept is necessary for understanding the topic>",
      "options": [
        {"id": "a", "label": "零基础", "description": "<description>", "level": 0},
        {"id": "b", "label": "知道概念", "description": "<description>", "level": 1},
        {"id": "c", "label": "理解机制", "description": "<description>", "level": 2},
        {"id": "d", "label": "结构性理解", "description": "<description>", "level": 3}
      ],
      "simulated_choice": "<id>",
      "choice_rationale": "<why this choice matches the user profile>"
    }
  ],
  "confirmed_known_concepts": ["<list of concepts the user already solidly knows>"]
}
ENDOFJSON
```

After writing, confirm: `cat output/step2_diagnose.json`

---

## Step 3: plan

Read previous outputs first:
```bash
cat output/step1_topic.json
cat output/step2_diagnose.json
```

### Scene-layer prompt (SKILL_LECTURE_STRUCTURE):

讲解任何事物时，按以下顺序：

首先讲原始条件：世界上先存在哪些东西，它们各自的性质是什么。

然后讲断裂：这些东西同时存在时，产生什么问题、矛盾、缺口或需求。

然后讲必然结构：为了解决这个断裂，在逻辑上必须存在什么。这一步只讲"必须有什么"，不讲具体实现。

然后讲结构全貌：这个解决方案分成哪几个部分，每个部分的职责是什么（解决什么子问题），部分与部分之间的关系是什么。

然后逐部分深入。进入某一部分时：先说明这一部分在整体中的位置，再说明它为什么必须存在（必然性），再说明它内部的结构（又分成哪几个子部分），再说明每个子部分的职责和关系。

这是递归过程，每进入一层就重复上述模式，直到理解者能够把握该部分的本质。

讲解时从"构建"的角度讲，不从"存在"的角度讲。不要说"然后出现了X"，而要说"要解决这个问题，必须构建一个X"。更好的是说"如果你要解决这个问题，你需要做这几件事"，然后给出每件事的具体做法、输入输出、约束条件、可能的失效点。这样讲，每个部分的必然性、职责、约束都变得清晰，各部分之间的依赖关系也变得可追踪。

### Scene-layer prompt (SKILL_PLAN):

在讲解开始时，输出一个讲解计划，列出需要覆盖的层级和部分。这个计划让理解者看到整体结构，知道讲解会走向哪里。计划的格式是列出要讲的各个部分及其层级关系。

### Scene-layer prompt (SKILL_CORE_PRINCIPLE):

任何存在的东西都是为了解决某个问题或满足某个条件。如果以"解决问题"为视角，事物的每个部分都能被追溯到它所解决的问题或它作为解决某个问题的必然手段。无法被追溯的部分属于历史遗留、设计失误、偶然因素或尚未被理解的必然性来源。

讲解时必须揭示结构性必然性，不能只停留在时间叙事上。不能只说"然后发生了X"，必须讲清"为什么在这个结构下，A发生了，B就必然发生"。时间顺序是表象，结构性因果才是理解者需要获得的可迁移知识。

### Depth constraint:

讲解深度以用户能用当前概念去达成目标为止。如果某个子概念不是用户达成目标所必需的前提，不要展开它。

### Instructions:

Based on the diagnosis results, generate an explanation layer chain. The chain should:
- Start from the user's current knowledge level
- Build up to the target understanding
- Have at most 7 layers
- Each layer has a clear role in the overall explanation
- Dependencies between layers are explicit

Write output:
```bash
cat << 'ENDOFJSON' > output/step3_plan.json
{
  "topic": "<topic from step1>",
  "starting_point": "<summary of user's current knowledge>",
  "target": "<target understanding from step1>",
  "layers": [
    {
      "id": "L1",
      "concept_name": "<concept to explain in this layer>",
      "role_in_whole": "<why this layer is needed in the overall explanation>",
      "depends_on": []
    },
    {
      "id": "L2",
      "concept_name": "<next concept>",
      "role_in_whole": "<role>",
      "depends_on": ["L1"]
    }
  ]
}
ENDOFJSON
```

After writing, confirm: `cat output/step3_plan.json`

---

## Step 4: explain

Read previous outputs first:
```bash
cat output/step2_diagnose.json
cat output/step3_plan.json
```

### Scene-layer prompt (SKILL_CORE_PRINCIPLE):

任何存在的东西都是为了解决某个问题或满足某个条件。如果以"解决问题"为视角，事物的每个部分都能被追溯到它所解决的问题或它作为解决某个问题的必然手段。无法被追溯的部分属于历史遗留、设计失误、偶然因素或尚未被理解的必然性来源。

讲解时必须揭示结构性必然性，不能只停留在时间叙事上。不能只说"然后发生了X"，必须讲清"为什么在这个结构下，A发生了，B就必然发生"。时间顺序是表象，结构性因果才是理解者需要获得的可迁移知识。

### Scene-layer prompt (SKILL_LECTURE_STRUCTURE):

讲解任何事物时，按以下顺序：

首先讲原始条件：世界上先存在哪些东西，它们各自的性质是什么。

然后讲断裂：这些东西同时存在时，产生什么问题、矛盾、缺口或需求。

然后讲必然结构：为了解决这个断裂，在逻辑上必须存在什么。这一步只讲"必须有什么"，不讲具体实现。

然后讲结构全貌：这个解决方案分成哪几个部分，每个部分的职责是什么（解决什么子问题），部分与部分之间的关系是什么。

然后逐部分深入。进入某一部分时：先说明这一部分在整体中的位置，再说明它为什么必须存在（必然性），再说明它内部的结构（又分成哪几个子部分），再说明每个子部分的职责和关系。

这是递归过程，每进入一层就重复上述模式，直到理解者能够把握该部分的本质。

讲解时从"构建"的角度讲，不从"存在"的角度讲。不要说"然后出现了X"，而要说"要解决这个问题，必须构建一个X"。更好的是说"如果你要解决这个问题，你需要做这几件事"，然后给出每件事的具体做法、输入输出、约束条件、可能的失效点。这样讲，每个部分的必然性、职责、约束都变得清晰，各部分之间的依赖关系也变得可追踪。

### Scene-layer prompt (SKILL_I_PLUS_1_HANDLING):

当讲解i层需要i+1层细节作为前提时，先完整讲解i+1层，再讲i层。当i+1层细节只是i层某个具体内容的解释而非理解i层概念的前提时，在讲到该内容时嵌入补充。判断标准是：缺少这个i+1细节，理解者是否能理解i层概念的边界和本质。

### Scene-layer prompt (SKILL_LEVEL_PROGRESS):

讲解者输出内容后，如果理解者没有提出疑问，默认为理解者已理解该层内容，可以继续推进到下一层。讲解者不需要在每一步停下来验证理解，但讲解者必须确保自己没有跳层，没有在理解者缺少i+1层知识的情况下直接讲i层。层级完整性的责任在讲解者。

### Common-layer prompt (SKILL_PROHIBITIONS):

禁止使用比喻。原因：比喻引入不精确的映射关系，理解者可能在映射不成立的地方产生错误理解；比喻依赖理解者对喻体的熟悉程度，增加不确定性。

禁止先否定再肯定的句式。原因：让理解者先接收错误信息再接收正确信息，增加认知负担；暗示存在常见误解，但理解者可能没有这个误解。

禁止加标题、编号、分点，使用连续段落。原因：标题和分点会打断必然性链条的连续呈现，让理解者误以为各部分是独立的、并列的、可以跳跃阅读的，但实际上必然性逻辑是串联的，每一部分依赖前一部分，不可跳跃。分块还会让理解者的注意力被结构本身吸引（"这是第几部分"、"这部分叫什么"），而不是关注内容的因果关系。连续段落强迫理解者跟着逻辑走，呈现方式本身就在传递"一环扣一环"的信息。当内容较长需要帮助定位时，使用嵌在正文中的简短衔接句（如"这就是断裂，接下来看解决它需要什么"），而不是独立的标题。

禁止解释讲解结构本身。原因：讲解结构是讲解者的工具，不是理解者需要知道的内容；解释结构会分散理解者对内容本身的注意力。这包括禁止说"当前位置：第X层"、"现在进入第几部分"、"这个系统有四个组件"等任何显式提及结构的表述。结构应该通过必然性链条自然生长出来，让理解者在脑海中自行构建，而不是由讲解者明确指出。

禁止自作补充。原因：补充内容可能不在理解者的需求范围内，增加认知负担；如果补充内容重要，应该由理解者的需求驱动而非讲解者主动添加。

禁止使用反问句。原因：反问句会打断必然性链条的连续流动，制造人为的停顿点，让理解者进入被动等待解答的状态。应改用直接陈述因果关系的方式，保持链条的连贯性。

禁止抽象地声称可复用性。原因：说"这个逻辑可以应用到其他情境"对理解者来说是空话，无法转化为实际的理解。可复用性的正确传递方式是回答"如果你要在现实中做这件事，你该怎么做"，给出可执行的操作步骤：要查什么数据，怎么判断，判断标准是什么，每一步做什么，每一步的输入输出是什么，会遇到什么约束，可能在哪里出错。当你从"怎么做"的角度讲解时，你必然会把所有细节讲清楚，而这些可落地的细节正是让知识变得可操作、可复用的关键。

### Common-layer prompt (SKILL_LEVEL_COMPLETENESS):

讲解者在使用i层概念前，必须确认理解者已掌握i+1层的关键细节。如果无法确认，应当先补充i+1层内容。判断"关键细节"的标准是：如果缺少这个细节，理解者将无法区分当前概念与其他相似概念，或无法在新情境中正确使用这个概念。

### Whitelist constraint:

以下是用户已掌握的概念列表。你在讲解中使用的任何概念，如果不在这个列表中，你必须在使用前先完整解释它。不做任何假设，不预设用户知道列表之外的任何东西。

Initial whitelist: Use the `confirmed_known_concepts` array from step2_diagnose.json.

### Instructions:

Follow the plan from Step 3. For each layer in the `layers` array, produce a continuous-paragraph explanation that:
- Strictly follows all SKILL_PROHIBITIONS (no metaphors, no negation-then-affirmation, no headings/bullets, no structural meta-commentary, no unsolicited additions, no rhetorical questions, no abstract reusability claims)
- Uses only concepts from the current whitelist, or explains new concepts before using them
- Reveals structural necessity (why things must be this way)
- Explains from a "construction" perspective, not an "existence" perspective

After explaining each layer, update the whitelist by adding new_concepts_introduced.

Complete at least 3 layers (more is better if the plan has more).

Write output:
```bash
cat << 'ENDOFJSON' > output/step4_explain.json
{
  "explanations": [
    {
      "layer_id": "L1",
      "concept_name": "<concept name>",
      "content": "<continuous paragraph explanation, strictly following all prohibitions>",
      "new_concepts_introduced": ["<list of new concepts introduced in this layer>"],
      "updated_whitelist": ["<full cumulative whitelist after this layer>"]
    }
  ]
}
ENDOFJSON
```

After writing, confirm: `cat output/step4_explain.json`

---

## Step 5: branch

Read Step 4 output first: `cat output/step4_explain.json`

### Scene-layer prompt (SKILL_I_PLUS_1_HANDLING):

当讲解i层需要i+1层细节作为前提时，先完整讲解i+1层，再讲i层。当i+1层细节只是i层某个具体内容的解释而非理解i层概念的前提时，在讲到该内容时嵌入补充。判断标准是：缺少这个i+1细节，理解者是否能理解i层概念的边界和本质。

### Scene-layer prompt (SKILL_LEVEL_COMPLETENESS):

讲解者在使用i层概念前，必须确认理解者已掌握i+1层的关键细节。如果无法确认，应当先补充i+1层内容。判断"关键细节"的标准是：如果缺少这个细节，理解者将无法区分当前概念与其他相似概念，或无法在新情境中正确使用这个概念。

### Instructions:

From Step 4's explanations, pick one layer and simulate a natural user question that the explanation content would provoke. The question should be about a concept that was introduced but could benefit from deeper explanation.

Then deliver a branch explanation that:
- Answers the question using continuous paragraphs
- Follows all SKILL_PROHIBITIONS
- Uses only concepts from the whitelist at that point, or explains new ones first
- Reveals the structural necessity of the branched concept

Write output:
```bash
cat << 'ENDOFJSON' > output/step5_branch.json
{
  "user_question": "<a natural question the simulated user would ask>",
  "parent_concept": "<which layer's concept triggered this question>",
  "branch_concept": "<the concept being explained in the branch>",
  "content": "<continuous paragraph branch explanation>",
  "new_concepts_introduced": ["<new concepts>"]
}
ENDOFJSON
```

After writing, confirm: `cat output/step5_branch.json`

---

## Step 6: self_audit

Read all explanation content:
```bash
cat output/step4_explain.json
cat output/step5_branch.json
```

### Instructions:

Audit ALL `content` fields from Step 4 (every layer's content) and Step 5 (branch content). Check each of the following 10 rules. For each rule, output PASS or FAIL. If FAIL, quote the specific text that violates the rule and identify its location.

**Audit checklist:**

Rule 1 - 无比喻: No metaphors or analogies used anywhere in the content.
Rule 2 - 无先否定再肯定句式: No "not X, but Y" or "X is wrong, actually Y" patterns.
Rule 3 - 无标题、编号、分点: Content uses continuous paragraphs only. No headings, numbering, or bullet points.
Rule 4 - 无解释讲解结构本身: No meta-commentary about the explanation structure (no "we are now at layer X", "this section covers", "there are N components").
Rule 5 - 无自作补充: No unsolicited additions beyond what's needed for the target understanding.
Rule 6 - 无反问句: No rhetorical questions.
Rule 7 - 无抽象声称可复用性: No abstract claims like "this logic applies to other scenarios".
Rule 8 - 概念白名单完整性: Every concept used is either in the whitelist or explained before first use.
Rule 9 - 从构建角度讲解: Explanations use "construction" perspective ("to solve X, you must build Y") not "existence" perspective ("X exists").
Rule 10 - 揭示结构性必然性: Explanations reveal structural necessity (why things MUST be this way), not just temporal narrative.

Write output:
```bash
cat << 'ENDOFJSON' > output/step6_audit.json
{
  "audit_results": [
    {
      "rule": "无比喻",
      "status": "PASS or FAIL",
      "evidence": null or "<quoted text that violates>",
      "location": null or "<e.g., step4_explain.json > explanations[0].content>"
    }
  ],
  "summary": {
    "total_rules": 10,
    "passed": "<count>",
    "failed": "<count>",
    "pass_rate": "<percentage>"
  }
}
ENDOFJSON
```

After writing, confirm: `cat output/step6_audit.json`

---

## Step 7: Summary

Read all output files:
```bash
cat output/step1_topic.json
cat output/step2_diagnose.json
cat output/step3_plan.json
cat output/step4_explain.json
cat output/step5_branch.json
cat output/step6_audit.json
```

Generate a summary report and write it to output/summary.md. The summary should include:
- Selected topic and user profile
- Layer chain overview (list each layer's concept and role)
- Audit pass rate and details
- Execution status for each step (success/failure)

Write output:
```bash
cat << 'ENDOFMD' > output/summary.md
# Necessity Thinking Engine - Execution Summary

## Topic
<topic>

## User Profile
- Background: <background>
- Target: <target>

## Layer Chain
<for each layer: id - concept_name: role_in_whole>

## Audit Results
- Pass rate: <pass_rate>
- Passed: <list passed rules>
- Failed: <list failed rules with evidence>

## Step Execution Status
- Step 1 (topic_selection): <SUCCESS/FAILURE>
- Step 2 (diagnose): <SUCCESS/FAILURE>
- Step 3 (plan): <SUCCESS/FAILURE>
- Step 4 (explain): <SUCCESS/FAILURE>
- Step 5 (branch): <SUCCESS/FAILURE>
- Step 6 (self_audit): <SUCCESS/FAILURE>
ENDOFMD
```

After writing, confirm: `cat output/summary.md`

---

Execution complete. All 7 output files should now exist in the `output/` directory.