金字塔原理·结构化思考助手（AI Agent 赛道 · 完整件 v2.0.0）
> AI Agent 元能力 · 结构化表达环。核心引擎 scripts/engine.py（纯标准库）已通过 selftest 验收（含文件级发布纪律检查）；可选渲染器 scripts/theme_render.py 按行业自动匹配视觉主题输出精美 HTML。
> 版权与署名：见 NOTICE.md；产出物末尾自动附带 IP 印章。
定位
大多数人不是不会想，是"想清楚了却说不出、说不清、说不服"。
本 Skill 把明托（Barbara Minto）的金字塔原理压成一套可执行流程：用户丢进来一个模糊困惑或复杂议题，它通过五步把问题磨成"结论先行、以上统下、归类分组、逻辑递进"的金字塔，输出可直接拍板或直接汇报的结构化方案。
核心洞察：金字塔结构 = 可被校验的逻辑工程。结论必须 ≤80 字且含立场动词、顶层论据必须 3±1 个且互斥穷尽、每个论点必须 ≥2 个子论据、同层必须有明确的逻辑序——这些全部可以被规则引擎数字化检查。结构对了，内容再烂也烂不到哪去；结构错了，内容再好也白搭。
适用对象
- 商业决策者 / 管理者：做不做、进不进、开不开——一句话结论 + 论据 + 风险
- 职场汇报人：述职、立项、调研报告——汇报版成品
- 咨询 / 产品 / 运营：问题诊断、方案对比、说服客户
- 想理清自己想法的人：职业选择、学习规划——给框架不给答案
核心功能（命令）
| 命令 | 功能 | 输入 | 输出 |
|---|---|---|---|
clarify |
问题澄清 | --question "..." [--context ...] [--json] |
问题类型 + 推荐拆解维度 + 《问题陈述卡》 + SCQA 骨架 + 信息缺口追问清单 |
route |
维度路由 | --question [--json] |
问题类型识别（诊断/决策/规划/竞争/组织/通用）+ 匹配拆解维度 |
check |
结构体检 | --text "方案全文" / --file x.md [--json] |
10 项结构自检报告（数值 + 问题证据 + 修复动作） |
build |
建塔渲染 | --data case.json [--format decision/report/brief] |
金字塔成品 + 结论卡 + SCQA 序言 + 风险/行动 + 自检快照 |
theme |
主题探测 | --text "..." [--json] |
行业识别 + 推荐视觉主题（供 theme_render 使用） |
selftest |
验收自检 | - | 文件级 + 功能级全量检查 |
> 完整方法论命令（think / ask / outline / write / evaluate / refactor / present / compare / defend / tldr）由宿主 LLM 依据本 SKILL 章节执行，engine.py 为其提供确定性检查与渲染底座。
五步主流程
Step 0 输入澄清 —— SCQA 三问界定问题 → 《问题陈述卡》→ 信息不足则追问（≤3 轮）
Step 1 MECE 拆解 —— 按问题类型匹配拆解维度 → 问题树 → 覆盖/互斥自检
Step 2 论据收集 —— 归纳 / 演绎双轨 → 每论点 ≥2-3 论据（数据/案例/类比/反例）
Step 3 金字塔建塔 —— 结论先行 → 3±1 顶层论据 → 子论据 → 逻辑序标注
Step 4 三格式输出 —— decision（决策版）/ report（汇报版）/ brief（简报版）
思考双轨：有结论 → 走 topline-down（自顶向下验支撑）；只有零散事实 → 走 fact-up（自下而上归纳结论）。
10 项结构自检（check 命令）
| # | 检查项 | 阈值/规则 | 不达标动作 |
|---|---|---|---|
| 1 | 结论长度 topline_len | ≤80 字 | 回收成一句话 |
| 2 | 立场动词 topline_verb | 含 建议/应/不宜/优先… | 给动词清单 |
| 3 | 顶层论据数 top_count | 3±1 个 | 过少拆、过多并 |
| 4 | 论据互斥 mece_overlap | 重叠 ≤0.3 | 标记重叠对建议合并 |
| 5 | 论据穷尽 mece_coverage | ≥0.8 视角覆盖 | 提示漏了 XX 视角 |
| 6 | 逻辑序 logic_axis | 时间/空间/程度/结构 之一 | 强制标注排序理由 |
| 7 | 论据深度 depth_min | 每论点 ≥2 子论据 | 强制补足 |
| 8 | 证据多样 evidence_mix | ≥2 类（数据/案例/类比/反例） | 缺类补类 |
| 9 | SCQA 齐全 scqa_complete | 4/4 段 | 缺段补段 |
| 10 | 父子一致 hierarchy_consistent | 子论据能推出上层 | 输出冲突清单 |
输出格式（三格式）
- 决策版 decision：核心结论 + 关键论据 + 风险提示 + 建议行动（"做不做"类默认）
- 汇报版 report：摘要 → SCQA 序言 → 正文金字塔 → 结论与建议（述职/立项/调研）
- 简报版 brief：一句话结论 + 3 条支撑 + 1 个行动（一页纸/邮件）
命令行工作流
# 1) 澄清问题（问题卡 + 维度建议 + 缺口追问）
python scripts/engine.py clarify --question "我们公司的产品最近销量下滑，不知道该怎么办。"
# 2) 结构体检（对已有方案跑 10 项 lint）
python scripts/engine.py check --text "【核心结论】...（完整方案文本）"
# 3) 建塔渲染（结构化数据 → 三格式成品）
python scripts/engine.py build --data case.json --format decision
# 4) 行业主题探测 + HTML 成品（可选，按行业自动匹配视觉风格）
python scripts/theme_render.py --data case.json --out 销量下滑决策案.html
# 5) JSON 输出（程序化消费 / A2A）
python scripts/engine.py clarify --question "..." --json
边界（诚实声明）
- 主观价值判断题（该不该换工作、要不要分手）：给框架与选项利弊，不给最终答案
- 缺背景空泛议题（帮我思考一下未来）：先追问 ≥3 个关键背景，否则拒答并给缺口清单
- 涉密 / 法律 / 财务 / 医疗：显式声明"不构成专业意见"
- 强时效突发事件：建议先冷静再复盘，本 Skill 不适合替你做即时反应
- 未经验证的数据一律标注"待验证"，绝不编造
生态位
AI Agent 元能力五件套闭环：反思器（#1 复盘）→ 本件（结构化输出）→ 优化器（#5 prompt 进化）→ 规划师（#4，待建）→ 匹配师（#2，待建）。
许可
自定义许可全文见 README.md；版权与署名见 NOTICE.md。
