决策架构师

SKILLAI 工具
AI 工具 未标注权限 许可证不明确
安装这个技能

结构化决策支持+认知偏差检测+回顾复盘,避免拍脑袋决策与重复踩坑。。面向AI Agent的结构化决策支持系统,提供决策框架匹配、认知偏差检测、风险画像学习与强制复盘闭环。适用于产品/技术/商

一句话选型结论

按资料字段整理

决策架构师是AI 工具类的 Agent Skill,安装方式未标注,权限级别未标注,许可证不明确,有可直接复制的安装命令。技能本质是给模型读的说明书,效果取决于模型与客户端;装完先用一个小任务验证,再放进正式流程。

分类AI 工具 安装方式未标注 权限级别未标注权限 许可证许可证不明确
累计安装 未标注 本周 未标注
GitHub 星标 未标注 仓库 未标注
下载量 未标注 技能市场下载数
权限级别 未标注权限 安装前请确认风险范围
许可证 许可证不明确 未说明

安装

未标注
在支持 Skills 的客户端里执行,装完问一句「你有哪些技能」验证
skillhub install zcwl/decision-architect
  1. 1
    确认客户端支持

    确认你的客户端支持 Skills(Claude、Codex、Cursor 等),并升级到较新的版本。

  2. 2
    拿到技能文件

    执行上面的命令安装;也可以把仓库里的 SKILL.md 手动放进客户端的 skills 目录。

  3. 3
    刷新技能列表

    重新打开客户端,或刷新技能列表,让新放进来的技能被加载。

  4. 4
    验证是否生效

    问一句「你有哪些技能」,确认列表里出现它,再拿一个小任务试跑。

技能档案

AI 工具
字段来自技能仓库与公开索引,中文说明由本站标注
作者 / 维护方zcwl仓库 未标注 · 版本 未标注
宿主客户端未标注技能可被这些客户端加载
安装方式未标注安装包 enterprise
权限级别未标注权限安装前请确认风险范围
许可证未说明许可证不明确,商用前请自行确认条款
仓库可用性available技能仓库当前是否可访问
最近核验未标注上游最后核验时间 · 数据更新 1791622934
正文体量15.3 KBSKILL.md 原文大小,越大说明说明书写得越细

典型使用场景

3 类
按分类整理的常见用法,具体以 SKILL.md 为准
组合多个 AI 能力

把写作、检索、总结串成一条流程。

搭工作流

把固定流程做成可重复调用的步骤。

做提示词与评测

整理提示词并对比输出效果。

选择建议

装之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有可直接复制的安装命令,不用自己翻文档找入口。

先想清楚的地方

  • 没有标注权限级别,实际能做什么要装好后确认。
  • 许可证不明确,商用或二次分发前先到仓库确认条款。
  • 没有做站内核验,内容以作者仓库为准。
  • 技能只是说明书,实际效果取决于模型与客户端,装完先用小任务试一遍。

更适合

  • 需要在AI 工具场景里给模型补一套做法的人。
  • 愿意先读一遍 SKILL.md、确认它会让模型做什么的人。

不太适合

  • 对许可证要求很严、必须明确可商用的人。
  • 只想装完就自动变强、不打算看说明书的人。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
技能权限级别安装方式累计安装宿主客户端安装命令
决策架构师当前 未标注权限 未标注 未标注 未标注 有
执行计划 只读 GitHub 仓库 151.5 万 Codex、Claude、Cursor 有
Playwright MCP 测试 浏览器控制 ClawHub 市场 136.5 万 OpenClaw 有
完成前的验证 未标注权限 GitHub 仓库 131.9 万 Codex、Claude、Cursor 有
子 Agent 驱动开发 只读 GitHub 仓库 131.2 万 Codex、Claude、Cursor 有
前端设计 执行命令 GitHub 仓库 125.6 万 Codex、Claude、Cursor 有

SKILL.md 全文

15.3 KB
模型实际读到的说明书原文,来自技能仓库

> 功能说明: 本技能涵盖 工作流程和配置参考、了实用性、化工作流场景 等核心能力。

决策架构师(Decision Architect)

不替你做决定,但帮你做更好的决定。 通过结构化框架匹配、12类认知偏差检测、风险画像学习、强制复盘闭环,让每次决策都留下可复用的经验.

功能说明

决策框架匹配

内置决策矩阵、成本效益、前置分析(Pre-mortem)、预演困境(Inversion)、机会成本、二阶思维、奥卡姆剃刀、可逆性评估 8 类框架,按"领域×类型"双维度自动匹配优秀框架.

处理: 解析决策框架匹配的输入参数,完成核心逻辑,生成结构化输出.
输出: 返回决策框架匹配的响应数据,包含状态信息、结果数据和执行记录.
- 通过input_params参数调用,支持创建/查询/导出

认知偏差检测

决策时自动扫描锚定效应、沉没成本、确认偏误、可得性偏差、损失厌恶、过度自信、从众效应、现状偏见、近因效应、幸存者偏差、框架效应、达克效应 12 类常见偏差并标注"潜在"信号.

处理: 解析认知偏差检测的输入参数,完成核心逻辑,生成结构化输出.
输出: 返回认知偏差检测的响应数据,包含状态信息、结果数据和执行记录.
- 通过input_params参数调用,支持创建/查询/导出

风险画像学习

通过混合命名空间(领域×类型)记忆用户风险偏好与决策风格,3 次一致信号确认才入档,避免单点误判;偏好可被明确推翻并写入 reversals.md.

处理: 解析风险画像学习的输入参数,完成核心逻辑,生成结构化输出.
输出: 返回风险画像学习的响应数据,包含状态信息、结果数据和执行记录.
- 通过input_params参数调用,支持创建/查询/导出

决策回顾复盘

重大决策 30 天后心跳触发回顾,执行过程合理性、结果对比、遗漏识别、偏差复盘四问,沉淀经验到 reversals.md 形成闭环.

处理: 解析决策回顾复盘的输入参数,完成核心逻辑,生成结构化输出.
输出: 返回决策回顾复盘的响应数据,包含状态信息、结果数据和执行记录.
- 通过input_params参数调用,支持创建/查询/导出

主动决策检测

识别用户讨论中的隐含决策点、目标约束冲突、重访未复盘决策等情境,主动提示用户走结构化分析.

处理: 解析主动决策检测的输入参数,完成核心逻辑,生成结构化输出.
输出: 返回主动决策检测的响应数据,包含状态信息、结果数据和执行记录.
技术参数:使用input_params和output_format参数控制执行行为,支持json/text/csv输出格式.
能力覆盖范围:能力范围包括以下关键词:结构化决策支持、避免拍脑袋决策与、重复踩坑、Agent、的结构化决策支持、风险画像学习与强、制复盘闭环、适用于产品、个人重大权衡、高风险、irreversible、需留痕的团队决策、避免拍脑袋、框架错配、不复盘、重复犯同类错误、适用关键词、should、怎么办、pros、cons、decision、tradeoff等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持.

使用场景

何时使用:

触发情境 示例
用户面临多选项权衡 "用 React 还是 Vue?"
用户问"该不该" "我该不该接受这个 offer?"
用户权衡风险与收益 "值得冒这个险吗?"
用户回顾过往决策 "上次那个决定对吗?"
代理识别到隐含决策点 用户直接跳到实现未明确决策

输入输出:
- 输入:用户决策问题 + 上下文(隐含偏好、过往决策记录)
- 输出:至少 2 个选项对比 + 框架分析 + 偏差检测结果 + 置信度标签(🟢高/🟡中/🔴低)

不适用场景:
- 纯执行类任务(无选择空间)
- 紧急不可延迟的瞬时反应
- 已由上级明确指令、无需权衡的场景
- 涉及医疗诊断、法律裁决等专业领域(需专业人士判断)

输入参数

参数名 类型 必填 说明
input string 是 决策架构师处理的输入数据或指令
options object 否 附加配置选项,如模式选择、格式偏好等
callback_url string 否 异步处理完成后的回调通知URL
热层 memory.md(≤100行)始终加载 → 风险画像、框架偏好、核心规则
温层 domains/ types/(≤200行/文件)按领域/类型匹配时加载
记录层 decisions/ 回顾时加载
冷层 archive/ 显式查询时加载

Step 3:匹配决策框架

按类型默认匹配,结合用户偏好(从 memory.md):
- strategic → 前置分析 + 二阶思维
- tactical → 决策矩阵 + 机会成本
- operational → 奥卡姆剃刀 + 可逆性评估

Step 4:执行结构化分析

强制至少 2 个选项对比,应用选定框架输出评分/风险/机会成本等.

Step 5:偏差检测扫描

对照 12 类偏差清单扫描用户输入与分析过程,标注"潜在"信号而非"确定".

Step 6:标注置信度

标签 条件
🟢 高 数据充分,框架明确匹配
🟡 中 部分假设,需用户验证关键输入
🔴 低 存在重大未知,仅作方向参考

Step 7:决策后回顾(30 天心跳触发)

执行回顾四问:过程是否合理、结果是否符合预期、遗漏了什么、是否存在认知偏差,结果写入 decisions/ 与 reversals.md.

应用示例

示例(补充)

输入:

用户:"支付系统用 Stripe 还是自建?"
(提及已有一套自研支付代码)

输出:

识别:领域=tech,类型=strategic
加载:domains/tech.md + types/strategic.md
框架:前置分析 + 机会成本
# ...
选项 A:Stripe
  - 优势:快速上线,合规内建,维护成本低
  - 劣势:手续费 2.9%+$0.3,定制受限
选项 B:自建
  - 优势:无手续费,完全可控
  - 劣势:PCI 合规成本 $50k+,开发 3 个月+
# ...
机会成本:选 Stripe 省的 3 个月可投入核心业务
Pre-mortem:若自建失败,最可能是合规问题
# ...
⚠️ 检测到潜在偏差:
- 沉没成本:提及"已有支付代码",建议仅评估未来成本
# ...
置信度:🟡 中(需确认月交易量预估)

示例 2:避免重复决策错误(复盘闭环)

输入:

30 天前决策记录:
  决策:数据库选 MongoDB(因 schema 灵活)
  框架:决策矩阵
  置信度:🟡 中
# ...
代理(心跳触发):"30 天前你选了 MongoDB,现在结果如何?"
用户:"事务支持太弱,踩坑了"

输出:

回顾记录:
  结果:事务需求未满足,需迁移
  经验:文档数据库不适合强事务场景
  检测到的偏差:可得性偏差(因近期 NoSQL 热门而偏向)
# ...
存入 reversals.md,后续类似决策自动参考
后续匹配 tech 领域数据库选型时,自动提醒"避免仅因热门选型"

示例 3:主动检测隐含决策

输入:

用户:"我要给项目加认证,用 JWT..."

输出:

代理识别:用户直接跳到实现,但隐含决策未明确
主动提示:"我注意到你要加认证——在用 JWT 之前,
  有个隐含决策:认证服务自建还是用 Auth0/Clerk?
  上次你的偏好是'速度优先',要我跑个快速对比吗?"

安装与配置

依赖项 类型 是否必需 获取方式
LLM API API 必需 由 Agent 内置 LLM 提供
文件系统 本地存储 必需 操作系统内置
Agent 平台 运行环境 必需 支持 SKILL.md 的任意 AI Agent(Claude Code / Cursor / Codex / Gemini CLI 等)
操作系统 运行环境 必需 Windows / macOS / Linux

API Key 配置: 本 Skill 无需任何 API Key,纯 Markdown 指令驱动,所有记忆存储在本地 $HOME/decision-architect/ 目录,不做任何网络请求.
可用性分类: MD(纯 Markdown 指令,无需 exec 命令行能力).

问答集锦

Q1:代理会不会越来越固执,用旧偏好限制新选择?
A:不会。偏好需 3 次一致确认才入档,可被明确推翻(写入 reversals.md),90 天未用的模式自动归档。系统设计鼓励更新而非固化.
Q2:偏差检测会不会太多噪音?
A:只检测当前决策相关的偏差,且标注"潜在"而非"确定"。operational 类型(日常低风险)默认跳过偏差扫描,仅 strategic/tactical 类型执行完整检测。用户可忽略不影响决策的提示.
Q3:小决策也要走完整流程吗?
A:不需要。operational 类型用奥卡姆剃刀+可逆性评估,快速给出建议。完整流程仅用于 strategic/tactical.
Q4:复盘必须 30 天后吗?
A:30 天是默认心跳周期。用户可随时主动复盘,或调整心跳频率。短期可见结果的决策可提前复盘.
Q5:多人团队怎么用?
A:当前设计面向个人。团队用可按成员建独立目录,共享 reversals.md 和 frameworks.md.

能力边界

  1. 不做最终决定:分析与框架由代理提供,最终选择永远属于用户。代理用"你可以考虑"而非"你应该".
  2. 风险画像需 3 次确认:单次表态不构成画像,避免单点误判;初始使用阶段画像为空,框架匹配仅靠类型默认.
  3. 当前设计面向个人:不支持多人共享决策记忆与协作复盘,团队使用需手动分目录管理.
  4. 不做敏感数据处理:永不存储第三方敏感信息、医疗数据、凭证;永不从沉默推断风险偏好;不访问日历、邮件、外部系统.
  5. 回顾依赖用户反馈:30 天心跳只能触发提示,实际复盘需用户提供结果反馈;用户不响应则经验无法沉淀.
  6. 置信度为方向参考:标注仅反映数据充分性与框架匹配度,不保证结论正确性,重大决策仍需用户交叉验证.

输出规范

{
  "success": true,
  "data": {
    "result": "决策架构师处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "decision architect"
    }
  },
  "execution_log": ["解析输入参数", "执行核心处理", "格式化输出结果"],
  "error": null
}

安全原则

风险类型 防范措施
API密钥泄露 通过系统环境变量设置,严禁硬编码密钥
命令执行风险 执行命令受限于安全白名单,不拼接用户输入
网络通信安全 使用TLS加密通道进行通信
敏感数据暴露 返回内容不包含敏感凭证

使用前请确认已阅读依赖说明章节,确保运行环境满足安全要求。

效率指标

操作场景 手动耗时 自动化耗时 效率提升
文件解析与提取 5-10分钟/个 <5秒/个 60-120x
批量文件处理(100个) 8-16小时 <5分钟 96-192x
API调用与响应解析 2-3分钟/次 <1秒/次 120-180x
多接口数据聚合 15-30分钟 <10秒 90-180x
命令执行与结果收集 3-5分钟/次 <2秒/次 90-150x
重复任务批量执行 因任务而异 线性缩减 5-50x
错误排查与修复 10-30分钟 <30秒 20-60x

差异分析

对比维度 决策架构师 传统手动方式 通用脚本工具
自动化程度 全流程自动 完全手动 部分自动
错误处理 内置错误恢复 依赖人工经验 基本try-catch
可复用性 参数化配置 一次性脚本 模板化
安全合规 内置安全检查 无安全保障 无安全保障
适用场景 结构化决策支持+认知偏差检测+回顾复盘,避免拍脑袋决策与重复踩坑。。面向AI A 通用场景 通用场景

错误恢复方案

针对决策架构师使用中可能遇到的常见问题,提供以下排查方案:

错误类型 原因分析 解决方案
API认证失败(401) API密钥错误或过期 检查密钥配置,重新生成token
接口限流(429) 请求频率超出限制 降低调用频率,启用重试退避策略
响应超时(504) 网络延迟或服务端负载过高 增加超时阈值,检查网络连接
文件不存在 路径错误或文件未创建 检查路径拼写,确认文件已生成
文件格式不支持 扩展名不在支持列表中 转换为支持的格式后重试
权限不足 当前用户无读写权限 检查文件权限,以管理员身份运行
命令执行失败 参数错误或环境依赖缺失 检查命令语法,确认依赖已安装
进程超时 命令执行时间过长 增加超时设置,优化命令参数
网络连接失败 DNS解析失败或防火墙拦截 检查网络配置,确认代理设置

决策架构师通用排查步骤

  1. 检查输入参数: 确认所有必填参数已提供且格式正确
  2. 查看日志输出: 定位具体错误行和异常类型
  3. 验证环境配置: 确认依赖库版本和运行环境满足要求
  4. 逐步调试: 缩小问题范围,隔离故障模块

安装步骤

  1. 配置API密钥: 在环境变量中设置对应的API Key
  2. 初始化连接: 使用提供的凭证建立API连接
  3. 调用接口: 传入必要参数执行API调用
  4. 准备文件: 确认文件路径正确且格式受支持
  5. 执行处理: 调用对应的处理函数
  6. 查看结果: 检查输出文件或返回数据
  7. 检查环境: 确认运行时和依赖已安装
  8. 执行命令: 使用正确的参数格式执行
  9. 查看输出: 检查命令输出和退出码

前置条件

  • 已安装所需运行环境(参考依赖说明)
  • 已获取必要的API密钥或访问凭证(如适用)
  • 输入数据已准备就绪

常见问题

5 问
答案由本站依据条目字段整理
决策架构师怎么安装?

在支持 Skills 的客户端里执行:skillhub install zcwl/decision-architect。安装方式为未标注。装完刷新技能列表或重开客户端。

决策架构师支持哪些客户端?

资料没有标注宿主客户端,但只要客户端支持 Skills(Claude、Codex、Cursor 等),一般都能加载。

决策架构师权限高吗,安全吗?

权限级别为未标注权限。安装前先看它会读取或写入哪些内容。

决策架构师收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于技能本身和所用的模型或客户端,正式使用前按作者说明确认。

决策架构师用什么许可证?

许可证标注为 未说明(许可证不明确)。商用或二次分发前请到仓库确认条款原文。

热门专题

按场景挑技能
全部专题 →

技能内容以作者仓库为准;分类、权限级别与许可证状态的中文说明为中文整理,最近核验 未标注。