Claude脑子里那块”黑板”终于被找到了：一个基于J-space的AI推理增强Skill

你有没有这种感觉——AI 回答问题时，感觉它在”想一想”之后才说出来的，但你说不上来它到底想了什么？

2026年7月，Anthropic 发了一篇论文，揭开了这个谜底：Claude 内部真的有一个”工作空间”，用来暂存那些还没说出口的想法。他们把这个空间叫做 J-space（Jacobian space）。

简单说，J-space 就是 Claude 脑子里的那块”黑板”——你在读这句话时，大脑里只有极少数内容能进入意识，J-space 的原理几乎一模一样。它不是”思考”本身，而是一个可引用的临时存储区：模型先把要说的概念放在这里，然后从中挑选词句输出。

更有意思的是这个发现的方式。Anthropic 团队发现 J-space 的思路，是先关掉它，再看 Claude 还能做什么。

关掉之后，Claude 回答选择题依然精准（MMLU 保持95%水平），但多步推理直接崩到原来5%——甚至比一个比它小得多的模型（Haiku 4.5）还差。这说明：事实回忆是自动化的，不需要这块黑板；多步推理必须用它。

所以这篇论文真正的价值，不是”AI 有意识”这种噱头，而是提供了一个观测窗口：模型在开口之前，脑子里到底在处理什么。

而现在，有人把这个观测窗口本身做成了一个 Skill。

J-Space Cognition Suite V3.7 是一套基于 Anthropic 这篇论文的 AI 认知增强工具包，由独立开发者 Tiger380 打包成了 Claude Code 可用的 Skill 格式。它让 AI 在执行复杂任务时，有意识地管理自己的”内部工作空间”——选择哪些信息保留在 J-space、哪些要推送到下游计算、置信度校准、推理失败检测，全部变成可操作的工作流。

它有三个运行模式：Fast（快速单步任务，几乎不额外消耗）、Full（多步依赖的复杂项目）、Loop（跨会话、跨工具的长程任务，需要外部状态管理）。实际测试中，接入 J-Space 之后，DeepSeek V4 在复杂推理任务上的表现从 51.5 提升到 60.6，在代码生成任务上从 54.2 暴增到 70.2——提升幅度相当可观。

目前它支持 Claude Code、Codex CLI 和 OpenCode，安装方式是：

npx skills add gh:tiger3807861189/j-space-cognition-suite-v3.7 -s j-space

或者手动克隆到 ~/.claude/skills/j-space/ 目录，然后运行 verify_suite.py 做完整性校验。

整个 Skill 以 MIT 协议开源，由一个约 1,200 人的开发者社区维护，每周仍在稳定更新。它不是改变模型权重，而是改变模型使用自己内部表征的方式——在推理时做认知控制，而不是在训练时。

这篇论文和这个 Skill 组合在一起，指向一个越来越清晰的方向：2026 年的 AI 竞争，已经从”模型有多大”悄悄转向了”模型用内部表征的方式有多聪明”。关注可解释性研究的人，这个方向值得持续盯住。

GitHub：https://github.com/Tiger3807861189/J-Space-Cognition-Suite-V3.7

GitHub: https://github.com/Tiger3807861189/J-Space-Cognition-Suite-V3.7