Agent Skills
返回列表
击穿信息茧房

击穿信息茧房

知识管理 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_f8b54a7b/break-info-cocoon。

技能介绍

它解决什么问题

大多数「帮我选一下」的请求,模型会立刻给出一个看似合理的答案。问题是:用户给出的候选集本身就是被信息茧房圈定的。你问「Spring Boot 还是 Go」,可能真正的问题是「我的团队能不能在三个月内交付」;你问「学 Rust 还是学 Go」,可能真实目标是「年底前能参与一个开源项目」。模型顺着表单回答,就不会有人追问这个前提。

break-info-cocoon 就是这个「多问一句的人」。它不反驳你的选择,而是在执行前强制暂停,把决策拆开重做一遍。

它如何工作

整个 Skill 走六步流水线,每一步都有明确产出:

  1. 重新定义问题:剥离用户提到的具体工具,用第一性原理重述根本目标。
  2. 检查隐藏假设:把「必须用 X」「必须从零开始」「现状不会变」这类默认前提显性化,并标记 valid、questionable、invalid。
  3. 寻找信息差:从业内最佳实践、两三年内的新技术路线、海外社区讨论、反常识替代方案四个维度并行检索,至少补出 2 个选项。
  4. 结构化对比:按实现难度、初始成本、月度维护、TCO(3 年总拥有成本)、稳定性、扩展性横向打分,输出表格加点评。
  5. 反方审查:双模型扮演支持者与反方审查官对抗,回答类似「这个方案最可能死在哪里」「今天从零开始还会这么做吗」。
  6. 给出推荐:含路径、理由、适用前提、下一步动作、置信度——没有前提的推荐视为不合格。

技术栈上分为 scripts/trigger_detector.py(LLM 零样本分类 + 关键词正则双保险)、scripts/info_gap_searcher.py、scripts/comparison_engine.py、scripts/red_team_reviewer.py 四个模块,配合 references/ 下的决策模型、案例库与输出模板。

适用边界

它不是专业咨询的替代品。法律、医疗、财务结论仍需找持证人;联网检索结果有时效偏差,需自行交叉验证;股价、汇率等实时数据不在处理范围内,也不存储个人隐私信息。另外,它只覆盖「决策前」这一环,不替代你对结果负责。

使用场景

  • 为新项目在 Spring Boot、Go、Node.js 之间做技术选型的工程师,需要结合团队约束对比稳定性与扩展性并给出推荐
  • 在自研、开源二开和采购 SaaS 之间拍板的产品负责人,需要三年 TCO 对比和提前暴露的风险点
  • 零基础转岗者规划后端学习路线,在 Rust、Go、Python 之间拿不准,想结合半年后的求职目标拿到方案
  • 独立开发者比较订阅制与买断制两种变现路径,想先拆掉『只能这样做』的假设再看替代方案

适合人员

  • 为新业务选择技术栈的一线工程师:担心一次选型错误会拖慢后续两年的迭代,想把默认前提摆到台面上对比再拍板
  • 在买课、自学与训练营之间犹豫的转岗学习者:想知道哪条路线更贴合自己半年后的求职目标,而不是被课程所限
  • 要在自研、二开和采购之间做决定的产品经理:需要能算清三年总拥有成本,并把单点故障和沉没成本提前暴露出来
  • 在垂直赛道里摸索变现方向的独立开发者:需要有人先质疑『必须这么做』的假设,再补出替代路径而不是附和