Agent Skills
返回列表
🤖

战略董事会

AI Agent 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 的指引,将 @user_3c6cb52e/breeze-board-meeting 技能安装到你的 AI 助手中。

技能介绍

它解决什么问题

多智能体讨论最常见的翻车方式,是让每个角色先看过别人的发言再表态。结果是一片和谐:CEO 说完,CFO 附和,CTO 补一句"同意,技术上可行",最后产出的"决策"只是一团互相引用的回声。另一种更隐蔽的故障是决策记忆被污染——下次开会直接读上一次的原始 transcript,模型从中"回忆"出一个从未真正达成的共识。board-meeting 针对的就是这两类问题:强制隔离发言、强制批判性审查、强制人类拍板。

它是怎么做的

调用 /cs:boardroom [topic] 后进入六阶段流程:

  1. 收集上下文:读取 ~/.claude/company-context.md 和 ~/.claude/decisions/approved/ 里的 Layer 2 已批准决策(明确禁止读原始 transcript),重置会话状态,列出议程和本次激活的角色,等待创始人确认。Chief of Staff 从 14 个 C-suite 角色里按主题挑人,市场扩张和产品方向不会用同一套班底。
  2. 独立发言:各角色在看不到彼此输出的前提下依次陈述,顺序固定(Research → CMO → CFO → CEO → CTO …)。每个角色绑定一种推理范式:CEO 用 Tree of Thought 推三种未来,CFO 用 Chain of Thought 把账算清楚,CTO 用 ReAct,CISO 用 Risk-Based 的 P×I 评估。每人最多 5 个要点,且先做自我验证——标注来源、审计假设、打置信分,不允许无出处的断言。
  3. 批判审查:Executive Mentor 同时拿到全部 Phase 2 输出,扮演对抗者而不是和事佬。专门查可疑共识、共享但未验证的假设、缺席的声音、没人提过的风险、以及角色越界。
  4. 汇总:Chief of Staff 按固定模板输出——需要决策的那一句话、各方一行观点、一致与分歧、Critic 的"不舒服的真相"、推荐决策加 action items(带 owner 和 deadline),以及留给创始人的"Your Call"。
  5. 人类介入:完整停下,等创始人。用户纠正优先级高于任何 agent 建议,不允许"但 CFO 说过……"式反驳。30 分钟无活动自动关闭为 pending review,可用 /cs:boardroom resume 重开。
  6. 落盘:批准后写两层记录——Layer 1 完整 transcript 进 ~/.claude/decisions/raw/,Layer 2 决策记录进 ~/.claude/decisions/approved/ 并追加索引。被否的提案标记 [DO_NOT_RESURFACE]。

后续会议只加载 Layer 2,防止模型从冗长 transcript 里脑补共识。

适用边界与注意点

这套流程默认存在规范的两层决策记忆目录,以及配套的 agent-protocol 约定;如果项目里还没有 ~/.claude/decisions/ 结构,Phase 6 和"只读 Layer 2"的规则就无从落地。它也不负责实时数据抓取——需要外部信息时由 Phase 2 里的 Research 角色临时处理,不会自动联网检索市场数据。另外,单角色 5 个要点的上限意味着结论偏"决策导向"而非深度报告,想拿到完整推演过程要去读 Layer 1 transcript。批判阶段只负责挑错、不负责补方案:所有角色若错在同一个方向,Critic 能指出来,但不保证能给出正确答案。

使用场景

  • `/cs:boardroom Should we expand to Spain in Q3?` 评估出海计划时,创始人需要防范高管的一致性附和,取得真实且带风险评级的决策报告。
  • 团队就模型选型意见分裂,引入 CAIO、CTO、CFO 等独立视角并配合 Critic 的对抗审查,以消除片面共识并产出数据策略决议。
  • 公司敲定艰难决策后,需将结论与行动项规范存档至 Layer 2 决策记录,并打上 `[DO_NOT_RESURFACE]` 标签阻止被否提案再次浮现。

适合人员

  • SaaS 产品创始人,需要在战略决策前收集多部门真实意见并留下可追溯的决策依据。
  • 使用 Claude Code 的技术负责人,希望将团队战略讨论转化为结构化、多角色交叉质询的自动化流程。
  • 构建 Agent 工作流的工程师,致力于解决多智能体场景下的群体盲思和上下文记忆污染问题。