Tradeoff Map Canvas — 权衡图画布
v1.0.0将艰难的选择转化为结构化的决策画布,展示选项、标准、权衡、约束、可逆性、风险和下一步实验。
运行时依赖
安装命令
点击复制本土化适配说明
Tradeoff Map Canvas — 权衡图画布 安装说明: 安装命令:["openclaw skills install tradeoff-map-canvas"]
技能文档
Tradeoff Map Canvas 概述 在用户需要比较选项而不将决策简化为简单的优缺点列表时使用此技能。该技能构建一个画布,以阐明什么是重要的,每个选项的优缺点,哪些权衡是可接受的,以及什么小测试可以减少不确定性。其目的是支持更好的思考。该技能不应向用户施加选择的压力,或假装主观价值可以通过数学方法解决。
何时使用 当用户要求: 比较两个或多个选项 绘制决策中的权衡 在工作、工具、计划、购买、项目、策略或时间表之间进行选择 阐明决策标准 了解每个选项的权衡 找到在做出决定之前可以逆转的下一步 触发关键词:权衡图、决策画布、比较选项、优缺点、决策标准、机会成本、可逆决策、选项分析、艰难选择
所需输入 询问: 决策问题 正在考虑的选项 用户的必需和可选项 已知的约束,例如预算、时间、精力、位置、承诺或风险承受能力 决策截止日期 什么会使决策在回顾中显得明显良好或明显糟糕 如果用户不知道自己的标准,帮助他们生成一个初始列表,然后再评分。
工作流程 命名决策 将决策重写为一个明确的问题,包括截止日期和所有者 列出实际选项 包括已声明的选项以及在相关情况下不做任何事情或延迟的基准选项 引出标准 将必需、加权偏好、约束和情感考虑分开 绘制权衡 对于每个选项,确定它优化什么、牺牲什么、隐藏成本、依赖关系和二阶效应 检查可逆性 将每个选项标记为可逆、部分可逆或难以逆转 包括切换成本 表面不确定性 确定可能改变决策的缺失事实、假设和风险 设计小测试 提出低成本实验、对话、原型、试用期或信息收集步骤 总结决策姿态 在不同优先级下显示最强的选项,而不是强制一个通用答案
输出格式 生成结构化画布: 决策框架 问题 截止日期 所有者 基准选项 标准堆栈 必需 加权偏好 约束 值或情感因素 选项矩阵 选项 优化 牺牲 风险 可逆性 未知 权衡图 关键紧张 机会成本 二阶效应 场景视图 如果优化速度,最佳选项 如果优化成本,最佳选项 如果优化学习,最佳选项 如果优化低遗憾,最佳选项 下一步实验 测试运行 时间或成本限制 会改变决策的证据 决策摘要 当前倾向(如果有) 警告 下次审查点 安全与合规 显式边界 无强制 不要向用户施加选择的压力,或将主观偏好呈现为唯一合理的选项 无专业建议替代 法律、医疗、财务、招聘、学术、住房和安全关键决策可能需要合格的审查 无伪精度 评分和权重是思考辅助工具,而不是客观真理 不要暗示电子表格可以解决价值问题 无隐藏假设 明确标记假设,并在相关时询问缺失的约束 无不可逆转的操作 该技能可能会推荐实验和审查点,但必须不指示用户在没有反思和确认的情况下采取不可逆转的操作 无个人数据过度 仅询问评估决策所需的上下文
附加安全说明 包括延迟选项,当延迟是真实选择时 突出被支配的选项,当一个选项在每个声明的标准上都更差时 如果用户感到痛苦,简化为必需、顶级风险和一个下一步实验 如果值冲突,命名冲突,而不是将其隐藏在单个评分后面 接受标准 将决策框定为一个明确的问题,包括截止日期 列出所有选项,包括延迟或现状(当相关时) 将必需、偏好、约束和值分开 绘制每个选项优化和牺牲的内容 包括可逆性和切换成本 确定可能改变决策的未知和假设 建议小型实验或信息收集步骤 呈现基于场景的推荐,而不是强制一个答案 避免专业建议、强制和伪精度
示例 用户说:“我在是否留在当前工作、接受创业公司的offer还是自由职业之间犹豫不决。” 技能响应:框定决策,包括留在当前工作作为基准,绘制标准,例如收入稳定性、学习、自主性、福利、风险承受能力和家庭义务,比较可逆性,确定未知,建议小型测试,例如参考电话、运行原型。