决策架构师免费版（Decision Architect Free）
帮你做更好的决定的基础工具。 通过结构化框架匹配与认知偏差检测，让日常决策更有章法。本免费版提供 4 类基础框架与 4 类偏差检测，覆盖单次决策分析需求.
输入格式
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| input | string | 是 | 决策架构师免费版处理的输入数据或指令 |
| options | object | 否 | 附加配置选项,如模式选择、格式偏好等 |
| callback_url | string | 否 | 异步处理完成后的回调通知URL |
核心能力
- 决策框架匹配：内置决策矩阵、成本效益、奥卡姆剃刀、可逆性评估 4 类基础框架。参数：决策类型（strategic 长周期高风险 / tactical 中周期中风险 / operational 日常低风险）。输出：按类型匹配的 1 个基础框架及评分依据。strategic 类型默认匹配成本效益；tactical 默认匹配决策矩阵；operational 默认匹配奥卡姆剃刀+可逆性评估.
- 认知偏差检测：决策时扫描沉没成本、确认偏误、损失厌恶、可得性偏差 4 类常见偏差。参数：用户输入文本。输出：标注"潜在"信号的偏差清单，每条含偏差名称与缓解建议。仅对 strategic/tactical 类型执行扫描，operational 类型跳过.
- 置信度标注：基于数据充分性输出置信度标签。参数：分析过程完整度。输出：🟢 高（数据充分）/ 🟡 中（部分假设，需用户验证）/ 🔴 低（存在重大未知）。标注仅反映分析质量，不保证结论正确性.
- 选项对比输出：强制至少 2 个选项对比，应用选定框架输出评分与风险。参数：用户提供的选项列表。输出：结构化选项对比表（优势、劣势、评分）。单选项输入时自动补充"维持现状"作为对照项.
决策框架匹配
针对决策框架匹配,自动解析输入参数、调度任务队列、格式化输出,返回结构化响应. 输入: 用户提供决策框架匹配相关的配置参数、输入数据和处理选项. 输出: 返回决策框架匹配的处理结果。- 验证返回数据的完整性和格式正确性
- 参考
决策框架匹配的配置文档进行参数调优
认知偏差检测
针对认知偏差,自动解析输入参数、调度任务队列、格式化输出,返回结构化响应. 输入: 用户提供认知偏差检测相关的配置参数、输入数据和处理选项. 输出: 返回认知偏差检测的处理结果。- 验证返回数据的完整性和格式正确性
- 参考
认知偏差检测的配置文档进行参数调优
置信度标注
针对置信度标注,自动解析输入参数、调度任务队列、格式化输出,返回结构化响应. 输入: 用户提供置信度标注相关的配置参数、输入数据和处理选项. 输出: 返回置信度标注的处理结果。- 验证返回数据的完整性和格式正确性
- 参考
置信度标注的配置文档进行参数调优
快速开始
- 确认运行环境满足依赖说明中的要求
- 在AI Agent对话中调用本技能,提供必要的输入参数
- 检查输出结果,根据需要进行后续处理
详细的输入输出格式请参考下方章节说明。
使用流程
领先步：识别决策类型。读取用户问题，识别类型（strategic 长周期高风险 / tactical 中周期中风险 / operational 日常低风险）。例如"用 React 还是 Vue"识别为 tactical 类型. 第二步：匹配决策框架。按类型默认匹配基础框架。strategic 匹配成本效益；tactical 匹配决策矩阵；operational 匹配奥卡姆剃刀+可逆性评估. 第三步：执行结构化分析。强制至少 2 个选项对比，应用选定框架输出评分与风险。 第四步：偏差检测与置信度标注。对照 4 类偏差清单扫描用户输入，标注"潜在"信号。基于数据充分性输出置信度标签（🟢高/🟡中/🔴低）.
错误处理
| 错误类型 | 原因 | 处理方式 |
|---|---|---|
| 框架推荐不合理 | 决策类型识别错误（如将战略决策误判为运营决策） | 让用户确认决策类型；重新匹配基础框架 |
| 单选项输入无法对比 | 用户只给一个方案，无对照项 | 自动补充"维持现状"作为对照项；提示用户补充备选方案 |
| 偏差检测噪音过多 | 对所有类型都执行完整扫描 | 仅对 strategic/tactical 类型执行扫描；operational 类型跳过偏差检测 |
示例
示例：技术选型决策（React vs Vue）
输入：
用户："前端用 React 还是 Vue？项目是中型后台管理系统"
分析与输出：
识别：类型=tactical（中周期中风险）
框架：决策矩阵
# ...
选项对比：
| 维度 | React | Vue |
|---:|---:|---:|
| 生态成熟度 | 高（9/10） | 较高（8/10） |
| 学习曲线 | 中等（6/10） | 平缓（9/10） |
| 后台管理组件库 | Ant Design（10/10） | Element Plus（9/10） |
| 团队招聘难度 | 较高 | 较低 |
| 综合评分 | 35/40 | 35/40 |
# ...
⚠️ 检测到潜在偏差：
- 可得性偏差：React 讨论度高，可能因曝光度而非适配度选择
# ...
置信度：🟢 高（后台管理系统场景明确，两框架均有成熟方案）
建议：中型后台管理两框架均可胜任。团队若 Vue 经验更多，选 Vue 上手更快；
若需更大生态与招聘池，选 React.
FAQ
Q1：免费版支持多少种决策框架？ 免费版内置 4 类基础框架：决策矩阵、成本效益、奥卡姆剃刀、可逆性评估。按决策类型自动匹配，覆盖日常决策需求。高级框架（前置分析、二阶思维等）在付费版提供. Q2：偏差检测覆盖哪些类型？ 免费版扫描 4 类常见偏差：沉没成本、确认偏误、损失厌恶、可得性偏差。仅对 strategic/tactical 类型执行扫描，operational 类型跳过。完整 12 类偏差检测在付费版提供. Q3：免费版能保存决策记录吗？ 免费版不提供记忆持久化与风险画像学习功能，每次决策分析独立进行。付费版支持分层记忆、风险画像学习（3 次确认入档）与 30 天心跳复盘闭环.
依赖说明
LLM 依赖：由 Agent 内置 LLM 提供自然语言理解与推理能力，必需. API Key 配置：本 Skill 无需任何 API Key，纯 Markdown 指令驱动，不做任何网络请求. 运行环境：
- Agent 平台：支持 SKILL.md 的任意 AI Agent（Claude Code / Cursor / Codex / Gemini CLI 等）
- 操作系统：Windows / macOS / Linux
- 文件系统：本地存储，必需，操作系统内置
可用性分类：MD（纯 Markdown 指令，无需 exec 命令行能力）.
已知限制
- 框架数量有限：仅提供 4 类基础框架，不含前置分析、二阶思维、机会成本、预演困境等高级框架.
- 无记忆持久化：不保存决策记录与风险画像，每次决策分析独立进行，无法跨会话积累经验.
- 偏差检测覆盖有限：仅扫描 4 类常见偏差，不含锚定效应、过度自信、从众效应等 8 类高级偏差检测.
升级提示
本免费版提供基础决策框架匹配与偏差检测。升级到付费版可获得以下完整能力：
- 8 类完整决策框架：新增前置分析（Pre-mortem）、预演困境（Inversion）、机会成本、二阶思维，覆盖战略级复杂决策
- 12 类完整认知偏差检测：新增锚定效应、过度自信、从众效应、现状偏见、近因效应、幸存者偏差、框架效应、达克效应
- 风险画像学习：3 次一致信号确认才入档的个性化偏好记忆，避免单点误判
- 决策回顾复盘闭环：30 天心跳触发回顾，执行回顾四问并沉淀经验到 reversals.md
- 主动决策检测：识别对话中的隐含决策点，主动提示走结构化分析
- 分层记忆系统：热层/温层/冷层/记录层四级加载，降低 token 消耗
付费版适合需要长期积累决策经验、处理高风险不可逆决策、希望避免重复踩坑的用户.
评论
加载中…