Agent Skills
返回列表
🤖

决策树自省

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，安装 @user_3c6cb52e/self-tease-decision-tree。

技能介绍

解决什么问题

面对选择时，人们常陷入"想太多"的困境——周末要不要出门、跳槽还是留守、吃火锅还是烧烤。这些决策看似简单，但缺乏结构化框架时，很容易陷入反复权衡的内耗。这个技能的目标是把模糊的纠结转化为清晰的决策树，用理性分析替代主观臆断。

核心能力与工作流程

技能的核心是以决策树为载体，将主观选择拆解为可评估的分支结构。工作流程如下：

  1. 场景设定：构建贴近日常的纠结场景，如"周末宅家还是出门"
  2. 分支展开：用纯文本决策树展示所有选项和可能的后续路径
  3. 多维评估：对每个分支从成本、收益、风险和情感因素四个维度权衡
  4. 叶子评分：为每个叶子节点打分，量化各路径优先级
  5. 路径推荐：综合得分后给出最优选择建议
  6. 自我反思：对比理性分析结果与直觉判断，提供双重视角

适用边界与注意点

  • 场景限制：适合日常中等复杂度的决策，不适用于需要专业领域知识的高 stakes 决策
  • 纯文本依赖：零外部依赖意味着所有分析基于语言推理，无法结合外部数据或实时信息
  • 逻辑一致性：决策树的分支和评分必须自洽，避免前后矛盾
  • 自娱属性：技能支持 Agent 在空闲时自行发起分析，带有一定自我娱乐性质

使用场景

  • 周末规划时在「宅家休息」和「出门社交」之间反复纠结，想用结构化方式比较利弊并给出行动建议。
  • 跳槽与留守之间难以决断时，希望拆解各选项的成本、收益与风险，得到量化评分作为参考。
  • 晚餐选择火锅还是烧烤时，想通过决策树评估口味偏好、花费和社交因素后获得推荐。
  • 有多个待办事项优先级不清晰时，希望构建决策树对各任务的成本和收益打分后排序。

适合人员

  • 经常面临生活选择却难以决断的个人，希望通过结构化方法理清思路并得到行动建议。
  • 喜欢研究思维模型和决策工具的产品经理，想用决策树练习日常选择的分析流程。
  • Agent 开发工程师，需要为聊天机器人集成一个可自主发起决策分析的子技能。
  • 对 AI 自我反思机制感兴趣的研究者，想观察 Agent 如何对比理性分析与直觉判断。