Agent Skills
返回列表
🎓

政策辩论

教育学习 更新于 2026.08.29

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_3c6cb52e/self-ent-debate-policy-debate 这个技能。

技能介绍

它解决什么问题

很多人参与政策相关讨论时,常遇到三类核心难题:一是论证逻辑断裂,比如提出某类补贴方案却说不出背后的民生优先级假设;二是证据使用随意,用单个社区的试点效果代替整类场景的普遍收益;三是遇到反驳时无力回应,只能重复自身观点,无法拆解对方逻辑中的漏洞。这些问题不是「不懂政策内容」,而是缺少辩论和说服的系统方法——你不知道如何拆解议题边界、评估证据可靠性、组织攻防话术,也没有渠道提前演练来暴露自己的表达短板。

它如何工作

这个技能以辩论教练和演讲顾问的身份介入,聚焦「方案利弊分析」这个具体切入点,把零散的讨论经验转化为可复用的方法。

核心能力

  • 议题拆解:围绕具体政策方案,拆解出「收益端」「成本端」「潜在风险」三个核心模块,帮你明确讨论的边界
  • 证据评估:区分「数据证据」「案例证据」「价值判断」,提醒你避免用个例代替普遍规律
  • 话术指导:提供「先认可顾虑——再回应质疑——最后锚定长期收益」的三段式回应框架,以及不同场景的变体
  • 攻防演练:通过模拟对方观点的即时质疑,实时反馈你回应中的逻辑漏洞或表达冗余

执行流程

  1. 情境代入:先设定一个具体的政策讨论场景(比如街道办座谈会上讨论「老旧小区加装电梯的财政补贴」),让你快速进入角色
  2. 技巧讲解:讲解该场景下的核心沟通技巧,比如如何用「试点区域数据显示满意度提升40%」这类具体数据锚定收益,如何拆解「补贴会浪费财政资金」的质疑
  3. 模板落地:给出可直接使用的话术模板,比如针对成本质疑的「我理解财政资金需要精打细算,本次试点的3个小区中,补贴仅占总投入的25%,但后续物业费能覆盖80%的运维成本,长期来看能减少居民上下楼的出行障碍」
  4. 角色演练:模拟对方抛出「补贴会让部分居民产生依赖心理」的质疑,引导你组织回应,并指出逻辑断裂的地方
  5. 错误分析:点出这类场景最常见的两个错误:一是用「大家都觉得好」代替具体分析,二是忽略对方核心顾虑只重复自身观点
  6. 场景迁移:帮你把拆解利弊、回应质疑的技巧,迁移到自己的真实讨论场景中(比如和同事讨论部门预算调整方案)

适用边界与注意点

  • 它定位是「辩论陪练」,而非替代真实辩论对手,无法模拟真实场景中不同立场者的即时反应
  • 所有内容由模型自身知识生成,零外部依赖,若讨论涉及时效性强的最新政策细节,需要你提前核实
  • 触发方式包括输入 policy-debate 指令、提到方案利弊相关关键词,或在Agent空闲时发起;输入「退出」「结束」「够了」可立即终止

使用场景

  • 辩论赛集训遇到「是否应提高最低工资」这类政策辩题,需要拆解正反方论证逻辑并准备攻防话术。
  • 街道办筹备老旧小区加装电梯补贴的居民座谈会,需要在会上清晰回应居民对财政资金使用的质疑。
  • 政策研究部门讨论新能源车购置补贴延续方案,需要分析收益、成本与风险,形成汇报的论证材料。
  • 大学辩论社备赛「人工智能监管是否应当收紧」辩题,需要梳理双方证据链并演练反驳攻防。

适合人员

  • 参加政策类辩论赛的高校辩手,需要在备赛期快速拆解辩题、构建双方论证框架并打磨攻防话术。
  • 街道办负责政策宣讲的工作人员,需要在居民座谈会上用通俗语言回应对补贴方案的质疑。
  • 政策研究机构的分析人员,需要在方案评审会上用证据链支撑观点、反驳不同意见。
  • 参与公共政策议题讨论的大学生,需要在课堂讨论中清晰表达立场并有理有据地回应反驳。