专家级问题解决协议

这类问题为什么难搞

战略选型、跨学科产品设计、组织变革一类题目，往往不是「缺答案」，而是问题边界不清、多方利益拉扯，或者常规分析框架根本套不上。你还需要在「快」和「稳」、「进攻」和「防守」之间做取舍，单靠一种专家口吻很容易把方案写成正确的废话。

技能怎么跑（Agentic Workflow v2.0）

协议把执行拆成可审计的阶段，并把「该搜、该记」写成必须调用的工具，而不是礼貌性建议。

• 零阶段（内部）：界定约束与红线、成功标准、问题类型（战略 / 产品 / 架构 / 组织 / 认知决策），决定是否进入双阶段；简单题可直接收束。
• 复杂度分级：低复杂度直配专家；中等走标准双阶段；高复杂度加交叉验证、信息差弥补与质量自检。
• 一阶段：从 references/frameworks.md 的 28 位常驻专家按关键词匹配；references/dynamic_experts_log.json 里 effective 专家与主库同级，pending 优先放辅助位。主库匹配不足或新兴领域时必须用 Web 搜索补专家并写回 JSON。
• 二阶段：按所选专家的框架做剖析与落地推导，列信息缺口；高复杂度前做独特洞察、框架边界、事实一致性与可操作性自检。
• 动态闭环：若用到 pending 动态专家，对外输出末尾必须附反馈请求，据用户反馈更新 status（effective / ineffective），三次有效可迁入主库。

元规则要求推理在 scratchpad 内完成，对外只交付结构化方案，不暴露内部思维链。

适用边界

主库匹配度极低、搜索仍无合适专家，或用户无法提供澄清所需基本信息时，应走文档中的降级路径，而不是硬套名人框架。多专家组合须按问题矛盾类型推导，禁止机械套用预设组合；专家结论与已知事实冲突时应注明，不替专家圆谎。