Agent Skills
返回列表
模型决策助手

模型决策助手

AI Agent 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 的官方指南，把 @user_260d9801/decision-making 技能安装到你的 AI 助手中。

技能介绍

它解决什么问题

让大模型直接"拍板"并不可靠：候选方案之间缺乏统一的比较口径，推理链路常被压缩成一句话，结论既难复核也难解释。当任务涉及多方案权衡、多步条件判断或有约束的选择时，模型要么在约束还没理清时就下结论，要么在无关选项之间反复摇摆。decision-making 面向这类需要做决定的场景，用结构化流程替代随口一答。

它如何工作

该技能以提示层脚手架的方式介入决策：把"选哪个"拆成可检视的中间步骤，而不是直接要一个答案。

  • 明确目标与约束：先列出决策目标、硬约束和评判标准，避免模型在偏好未定义时直接作答
  • 枚举候选：围绕约束生成候选方案，保证覆盖关键维度而非只给单一答案
  • 逐项评估：对每个候选按统一口径论证或打分，形成可审查的中间结论
  • 输出可回溯的结论：最终决策附带理由链，而不是孤立的选项

适用边界与注意点

  • 它改善的是决策过程的结构与可解释性，不替代领域知识；约束写错，流程再规范也只会得到自信的错误答案
  • 候选集由模型自身生成，可能遗漏关键选项；高风险场景需人工确认候选是否完备
  • 评估环节可能被自信措辞掩盖，应检查理由链而非只看结论
  • 具体流程细节以仓库内 SKILL.md 为准

使用场景

  • 面对多个技术路线，需要把约束和评判标准写清再做取舍
  • Agent 在多步规划中要先列举候选动作，再评估风险并确定下一步
  • 评审产品需求时，要把目标、限制和备选方案的权衡整理成可复核结论
  • 模型输出结论前，需要先列出评估依据和取舍理由

适合人员

  • 需要为模型补上结构化决策流程的应用工程师
  • 把大模型接入自动化流程并关注可解释性的后端开发者
  • 负责多个方案对比评审的技术架构师
  • 让模型承担规划与取舍任务的算法工程师