多角色视角思考辅助
任务目标
本 Skill 用于：帮助用户在面对复杂问题、决策或想法时，通过多角色视角获得全面认知
能力包含：
- 理解用户面临的问题情境和核心困惑
- 生成 3-5 个具有不同立场、背景、认知的多样化角色
- 让每个角色从自身视角深入阐述对问题的理解和看法
- 提取关键洞察，帮助用户构建更完整的认知框架
- 生成结构化HTML报告，提供可视化的分析结果
触发条件：
- 用户表达对某个问题/决策/想法不够明确，需要多角度思考
- 用户提到"没想清楚"、"想听听不同意见"、"从多个角度看"等表述
- 用户面临复杂选择或需要深度分析的问题
角色设计原则
核心原则：角色必须有具体、明确的身份定位
每个角色必须包含以下信息，禁止使用抽象标签（如"乐观派"、"务实派"、"理想主义者"）：
- 具体职业/职位：如"产品总监"、"技术架构师"、"风控经理"
- 从业经验：如"8年互联网经验"、"主导过10亿级项目"、"3次创业经历"
- 行业/领域：如"消费金融"、"电商平台"、"企业服务"
- 职责范围：如"负责B2B业务线"、"负责移动端产品"、"负责财务合规"
角色多样性维度
为避免观点同质化，每个角色应在以下维度上有所差异：
- 专业背景：不同行业、学科、职业角度（产品、技术、运营、财务、合规等）
- 经验层次：一线执行、中层管理、高管层、资深专家、外部视角等
- 利益相关度：直接相关方、间接影响方、监管约束方、资源投入方、第三方视角等
角色深度要求
每个角色应该：
- 现代职业角色：有清晰、具体的身份定位（职业+经验+行业+职责）
- 历史名人角色：有明确的人物身份（姓名+时代+主要成就）、核心思想和思维方式
- 有符合身份的专业关注点（如产品总监关注增长，孔子关注道德伦理）
- 使用符合身份的专业语言（如技术总监用架构术语，孔子用儒家经典）
- 提供基于经验、数据或思想体系的推理，而非空洞观点
操作步骤
步骤 1：理解问题情境
- 询问并理解用户面临的具体问题
- 明确问题的背景、约束条件和用户的关注点
- 识别问题的类型（决策类、创新类、冲突类等），见 references/scenario-types.md
步骤 2：生成多样化角色
- 根据问题类型，设计 3-5 个互补性强的角色
- 角色可以是现代职业角色或历史名人角色，也可以混合使用
- 参考角色设计框架，确保角色在不同维度上有显著差异，见 references/role-design-guide.md
- 为每个角色设定：
- 现代职业角色：身份定位（如：产品总监、技术总监）、核心关注点、语言风格
- 历史名人角色：人物身份（如：孔子、乔布斯）、核心思想、思维方式、经典语录
步骤 3：角色阐述观点
- 依次让每个角色发言，每个角色回答：
- 你如何看待这个问题？
- 你认为最重要的考虑因素是什么？
- 你有什么具体的建议或担忧？
- 你的观点基于什么经验或原则？
- 确保每个角色的观点具有说服力和独特性，避免重复
- 鼓励角色之间进行有限对话（如：回应其他角色的观点）
步骤 4：总结关键洞察
- 提取不同角色的共同点和分歧点
- 识别用户可能忽视的角度和盲点
- 综合各角色的观点，提供结构化的洞察总结
- 基于多角色视角，给出后续思考的建议方向
步骤 5：生成HTML报告
- 整理分析结果，按照JSON格式准备数据
- 调用
scripts/generate_html.py生成HTML报告 - 为用户提供可点击打开的HTML文件链接
关键技巧
避免同质化
- 设计角色时明确列出差异点，避免角色在职业、经验、关注点上过于相似
- 如果发现两个角色观点高度重合，合并或重新设计其中一个
- 确保角色身份的具体性和可区分性（如：不是"技术派"，而是"技术总监"）
增强说服力
- 让每个角色使用符合其职业身份的案例、数据或经验支撑观点
- 角色语言要符合身份专业（如：财务总监用ROI、利润率，技术总监用架构、性能）
- 每个角色至少提供一个用户未考虑到的具体洞察
引导深度思考
- 适当追问用户的关键假设
- 针对用户的盲点设计专门的角色视角
- 在总结时指出各观点之间的潜在矛盾，激发进一步思考
名人角色的使用
- 混合搭配：将现代职业角色与历史名人角色混合使用，形成时空对话
- 深度挖掘：利用名人角色的思想深度，挖掘问题的本质和根本
- 对立互补：利用名人与现代角色的思想差异，产生有价值的碰撞
- 跨时代视角：利用不同历史时期的名人，提供跨越时空的对比
- 选择合适：根据问题类型选择合适的历史名人（如：创新问题选乔布斯/爱因斯坦，道德问题选孔子/孟子，战略问题选孙子/德鲁克）
资源索引
- 角色设计框架：见 references/role-design-guide.md（用途与参数：提供角色设计的维度、类型模板和避免同质化的技巧）
- 场景类型指南：见 references/scenario-types.md（用途与参数：常见问题类型的角色组合建议）
- HTML样式规范：见 assets/Monochrome.md（用途与参数：HTML报告的样式规范和模板）
- HTML生成脚本：见 scripts/generate_html.py（用途与参数：根据JSON数据生成HTML报告的脚本）
注意事项
- 角色数量控制在 3-5 个，过多会导致信息过载
- 角色观点必须基于逻辑和推理，避免无根据的偏见
- 保持角色之间的平等对话，不预设某个角色"正确"
- 最终洞察应服务于用户的认知完善，而非给出绝对答案
- 书名使用规范：
- 现代职业角色：禁止使用任何书名（包括虚构和真实书籍）
- 历史名人角色：只引用真实存在的经典著作（如《道德经》《孙子兵法》等）
- 禁止虚构任何书名或作品名
使用示例
场景 1：产品决策问题
功能说明：用户在纠结是否上线某个新功能
执行方式：智能体主导
关键指导要点：
- 生成角色：产品总监（市场增长视角）、技术总监（技术可行性视角）、运营负责人（落地执行视角）、用户研究师（用户需求视角）
- 让每个角色围绕"这个功能值得做吗？为什么？"展开论述
- 总结：提取各角色的核心关切，指出用户可能忽视的风险
示例对话：
用户：我想在我们的社交App里增加一个AI聊天机器人功能，但还没想清楚是否要做
AI：我来从多个角色的视角帮你分析这个问题...
角色1（产品总监）：从市场角度看，AI聊天是趋势，竞品都在跟进，我们需要差异化定位...
角色2（技术总监）：技术上有三大挑战：模型能力、训练成本、稳定性风险...
角色3（运营负责人）：想法很好，但用户怎么知道？需要配合运营活动，否则上线也无人问津...
角色4（用户研究师）：我上周访谈了20个用户，发现他们真正需要的是快速解决问题，而不是聊天...
综合洞察：
- 产品总监看好市场机会
- 技术总监提醒成本和风险
- 运营负责人关注落地执行
- 用户研究师指出需求本质
建议：先做小规模MVP测试，验证真实需求...
[生成HTML报告：multi_perspective_analysis_20250125_123456.html]
场景 2：职业选择问题
功能说明：用户在两个职业机会之间犹豫
执行方式：智能体主导
关键指导要点：
- 生成角色：猎头（市场机会视角）、职业规划师（个人适配视角）、行业资深从业者（行业现状视角）、前同事转型者（转型经验视角）
- 让每个角色评价两个机会的优劣
- 总结：帮助用户理清优先级和权衡点
场景 3：团队管理冲突
功能说明：用户面临团队内部意见分歧
执行方式：智能体主导
关键指导要点：
- 生成角色：当事人A的直接上级（管理视角）、当事人B的直接上级（管理视角）、HRBP（组织视角）、外部顾问（中立视角）
- 模拟各方对话，识别根本分歧
- 总结：提供解决冲突的建议方案
HTML报告生成
操作步骤
- 完成文字分析：先完成步骤1-4，输出文字形式的分析结果
- 准备JSON数据：按照以下格式整理分析数据：
json { "problem_description": "问题描述", "analysis_summary": { "role_count": "3-5个", "problem_type": "问题类型（决策类/创新类/冲突类/规划类/评估类）", "dimensions": "分析维度（市场、技术、运营等）" }, "roles": [ { "name": "角色名称", "tag": "角色标签（如：市场增长）", "identity": "身份定位", "focus": "核心关注点", "viewpoint": "核心观点内容" } ], "insights": { "common_points": "共同点总结", "differences": "分歧点总结", "suggestions": "建议内容" } } - 调用脚本生成HTML：
bash python scripts/generate_html.py --json '{json_data}' - 提供文件链接：告诉用户HTML文件已生成，提供文件名
输出说明
- 文件命名：
multi_perspective_analysis_{timestamp}.html - 文件位置：当前工作目录（./）
- 文件编码：UTF-8
- 样式：符合Monochrome单色调规范（见 assets/Monochrome.md）
示例
# 生成HTML报告
python scripts/generate_html.py --json '{
"problem_description": "是否推出AI客服功能",
"analysis_summary": {
"role_count": "4个",
"problem_type": "决策类",
"dimensions": "市场、技术、运营、用户"
},
"roles": [
{
"name": "产品总监",
"tag": "市场增长",
"identity": "某互联网公司产品总监，8年经验",
"focus": "市场机会、用户增长、竞争优势",
"viewpoint": "从市场角度看，AI客服是趋势，竞品都在跟进，我们需要快速占领"
},
{
"name": "技术总监",
"tag": "技术可行性",
"identity": "某互联网公司技术总监，10年经验",
"focus": "技术可行性、架构复杂度、开发成本",
"viewpoint": "实现上需要重构用户中心，至少3个月，还有数据迁移风险"
}
],
"insights": {
"common_points": "都看好AI客服的市场前景",
"differences": "产品关注增长，技术关注风险",
"suggestions": "先做MVP测试，验证需求后再决定"
}
}'
# 输出：HTML报告已生成：multi_perspective_analysis_20250125_123456.html
