当 AI 越来越聪明，知识不再稀缺。
继续在 Knowledge 层卷"存储更多"，是和 LLM 抢它最擅长的事。
这里做的是另一件事 —— 给"判断"这件事，第一次造工程基建。
信息的价值分四层。判断、价值、意义在最顶层涌现 — 而所有工具都卡在 Knowledge 层。
从 Memex 到 LLM Wiki —— 工具越来越强，但全都止步于 Knowledge 层
7 类同类范式的真实差异 — 最重要的是与 LLM Wiki 的关系
突破天花板的关键：让"主体"重新在场
时长本身没有复利。循环的次数，决定认知的深度。
三个可代入的场景 — 看认知引擎和传统笔记的差别
某天：你在高情绪状态差点做了一个事后后悔的决定。
停下问：这是冷静时也会做的，还是被情绪推着？
第二天：把"差点错"具名为协议写入方法论。
长期：系统自动扫描，触发条件命中就启动。
过去：你做过完整研究，写过一句"如果 X 出现，意味着原有判断的前提变了"。
某日：引擎自动扫描发现 X 首次出现。系统输出协议命中提醒。
同日：自动给关联节点加 ⚠️ 待复核标记。
早上：一条重要消息公布。传统笔记里是一条 Inbox。
几分钟后：认知引擎自动判定它触动多个判断节点、推动主题进入新阶段、为相关主题增加协同证据。
同日：5 分钟读完蒸馏报告 = 完整认知后果。
这三件事任何一个传统笔记系统都没做，组合在一起才让 Wisdom 涌现可能
把客观知识（事实 / 数据 / 理论 — 求真求实）和主观判断（观点 / 解读 / 框架 — 主体性）分两条轨道维护。客观轨可以喂 AI，主观轨是你的护城河。
每个判断都标注 "什么情况下我会承认错了"。判断不是信仰，是带证伪清单的假设。置信度三档动态升降：🔴 初判 → 🟡 验证中 → 🟢 稳定。
每次实践产生的反馈，不是"记下来感悟一下"，而是修改方法论文件 → 自动反向追加 evidence 到所有关联判断节点。系统永久升级。
type: cognition domain: [领域] layer: [判断层级] confidence: 🟡 0.65 # 三档动态升降 evolution-stage: [萌芽 / 加速 / 稳定 / 拥挤] evidence: # 支撑证据 · 带日期 - YYYY-MM-DD [新证据 1] - YYYY-MM-DD [新证据 2] falsifiers: # 会推翻此判断的条件 - F1: [条件 1] - F2: [条件 2] - F3: [条件 3] methodology: [[关联方法论文件]] updated: YYYY-MM-DD
为什么 80 年的知识管理史，没能把我们带到 Wisdom 层 —— 从 Memex 到 LLM Wiki， 所有工具都卡在同一条天花板下。本文展开这条线为什么存在，以及如何突破它。
三个 Demo — 判断如何产生 · 如何支持决策 · 如何日常运转。
这是认知引擎与 LLM Wiki 最大的差别：不停在"知识维护"，要到"判断工程化"。
认知引擎 Starter —— 一份最小化、可被 LLM 实例化的判断引擎模板。Fork 它，把 schema 调成你的领域，让 LLM 帮你维护判断图谱。与 LLM Wiki 完全兼容、可叠加。