Agent Skills
返回列表
📚

陈庚决策辅助

知识管理 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_88e00a20/chengeng-decision-crosscheck。

技能介绍

要解决的问题

决策常卡在“证据不足、经验泛化、传统模型被当成事实”之间。陈庚-决策辅助把现实证据、传统推算和个人状态分开处理,避免用单一观察下结论,也不替用户做决定。它强调现实事实优先于模型信号,一次观察不能包装成稳定人格结论。

工作方式

该技能以 克制校验 为核心:

  • 首次路由:检查是否已有 talent-profile.json,无则做天赋初诊,有则复诊或进入决策。
  • 输入门控:读取隐私与同意范围,运行 crosscheck_quality_gate.py,缺少关键资料时标记降级。
  • 五盘计算:分别调用 bazi_engine.js、liuyao_engine.py、meihua_engine.js,再结合天赋盘与行为盘。
  • 交叉验证:用 five_panel_orchestrator.py 汇总原始数据,区分事实、推断和传统模型信号。
  • 输出校验:关键判断需标注来源、置信度、依据和推翻条件,并用 output_validator.py 检查表达边界。

适用边界

它适合需要结构化分析的个人决策、职业选择、关系判断或项目推进。不应替代医疗、法律、投资、心理或监管判断;缺少出生资料、起卦结果或用户同意时,只能输出轻量判断,不能伪装完整结论。

使用场景

  • 在职业选择前,把候选岗位的现实事实、时间范围和可验证条件整理成带置信度的分析。
  • 面对项目是否推进,列出已确认事实、缺口、反例和低风险验证动作,不直接下结论。
  • 已有天赋档案时,读取档案后围绕具体决策做复诊与五盘交叉验证。
  • 用户拒绝保存资料时,进入单次轻量模式,只分析现实证据并标出后续所需资料。

适合人员

  • 需要把多个证据源整理成可复核结论的产品负责人
  • 希望在职业选择前做结构化复盘、不急于下结论的求职者
  • 需要把跨会话行为证据和反例纳入个人决策分析的教练
  • 需要检查输入完整性与输出表达边界的智能体开发者