技能介绍

问题背景

在 OpenClaw 或类似结对会话里，架构选型、方案取舍往往散落在对话里：只留了「最后选了 X」，却没有并列选项、评判标准和当时接受的 trade-off。几周后再问「为什么不用 Y」，只能重挖聊天记录。Decision Distiller 面向的就是这种决策知识无法沉淀、难以复盘的情况——把非正式的讨论收成可检索、可对比的结构化记录。

如何工作

技能围绕 Decision Record 组织内容，典型字段包括：Context（情境与利害）、Options（曾考虑的备选）、Criteria（如何衡量）、Decision 与 Rationale（选了什么、为何选它）、Trade-offs（放弃与风险）、以及事后填写的 Outcome 与 Lessons。

每条记录还带有 Decision Status：pending、decided、validated、revised、archived，便于区分「尚未定案」与「已被新信息推翻」的决策。

工作流上分两条线：

捕获新决策：从上下文 → 列选项 → 定标准 → 记下结论与理由 → 写清 trade-off。
回顾历史：按主题/日期/状态聚合记录，做模式分析（常用标准、反复出现的取舍、决策周期），并提炼 lessons。

输入可以是选项讨论、利弊清单或直接陈述；输出为带日期的 Markdown 决策记录、摘要、跨决策模式分析与状态报告。技能文档还强调质量规则：要具体、必须保留备选、必须写 rationale、结论要有 outcome 才算闭环，并建议把相关决策连成网络。

适用边界

它记录的是会话内做出的决策及其推理过程，不是通用项目管理或投票工具。若对话里从未列出备选方案，生成的记录会偏薄——文档也明确：「没有 options 就不算决策」。Outcome 与 Lessons 需要后续补充，技能本身不会自动验证决策是否正确；validated / revised 仍依赖你或团队的事后更新。不同决策类型可参考 bundled 的 references/decision-templates.md 与 references/analysis-frameworks.md 做变体，但核心仍是同一套记录骨架。