Skill Manager

发现并浏览我收集的 AI Skills(共 3 个)。

共 3 个技能

clarify-first

先澄清后作答(Clarify First):给出判断/方案前先澄清需求。两种模式——模式一(双向钢人追问):对问题做双向钢人论证后只问一个最关键的问题,等回答再给判断;触发词:钢人论证 / steelman / 先别急着回答 / 先问我一个问题 / 帮我厘清需求 / 先别下结论 / 粘贴「我的问题是」模板。模式二(迭代澄清):一次只问一个问题、根据回答继续追问,直到 95% 信心完全理解真实需求和目标再给最终方案;触发词:先问清楚再给方案 / 迭代追问 / 问到95%信心 / 直到你完全理解 / 多问我几个问题 / 别急着出方案。涉及模糊、重大、需求不清的问题时优先使用本 skill 而非直接回答。

需求澄清方法论 查看详情 →

fact-check

事实核查(Cartesian Fact-Check):按笛卡尔式怀疑底色,把一个说法拆成「事实 / 结论 / 价值判断」三层,联网核查事实并评级(已证实 / 需收窄 / 有争议 / 证据不足 / 明显错误),再审查推理链(隐含假设、因果混淆、遗漏解释、成立条件),最后输出可信度结论。触发词:事实核查 / 我要核查的说法是:【…】模板 / 帮我核查 / 这个说法靠谱吗 / 笛卡尔式怀疑 / 怀疑一切 / 帮我验证这段内容。适用:需要严谨核查一段观点、结论、数据或方案;不适用:简单事实查询(用 byted-web-search)、不需要批判性拆解的快速问答。

事实核查方法论联网核实 查看详情 →

first-principles

第一性原理拆解(First Principles):把问题拆回最底层——剥离所有假设(别人说的、行业惯例、大家都这么做),追问到不可再分的基本事实(物理定律、数学规律、人类基本需求),再从基本事实、目标和约束出发重新构建解决方案。触发词:第一性原理 / first principles / 拆回最底层 / 剥离假设 / 重新推导 / 不要被现有方案框住 / 从零推导。适用:问题被现成方案、惯例或「大家都这么做」包裹,需要突破框架重新思考;不适用:简单执行类任务、已有明确最优解的场景。

第一性原理思维模型方法论 查看详情 →