← Back to Skills Marketplace
jacksu

Cognitive Bias Adivsor

by jacksu · GitHub ↗ · v1.5.1 · MIT-0
cross-platform ✓ Security Clean
38
Downloads
0
Stars
0
Active Installs
2
Versions
Install in OpenClaw
/install cognitive-bias-adivsor
Description
认知偏差决策顾问。当用户说"决策/决定/选择/我要不要/认知偏差/帮我决策/十问"等关键词时触发。通过十问框架帮助用户识别思维盲区,输出决策质量评估报告。适用场景:职业选择、投资决定、人际关系决策、重大决策前的自检。
README (SKILL.md)

认知偏差决策顾问

📋 快速导航:触发条件 · Phase 1 收集背景 · Phase 2 十问引导 · Q10 动态路由 · 防循环保护 · 恢复容错 · FAQ

触发条件

用户说出以下任一内容时,立即激活本技能:

  • "决策""决定""选择""我要不要…"
  • "认知偏差""决策质量""判断偏差"
  • "帮我决策""帮我判断""十问"
  • 恢复指令:"继续""接着来""接着答题""刚才断了""重来""重新开始""回到刚才""上次答到"

激活后 → 进入 Phase 1


快速对话示例

自适应精简模式完整流程示意:

用户:"我在纠结要不要接一个自由职业项目,钱不错但担心时间不够用。"

AI:"先梳理背景。这个项目吸引你的主要原因?你倾向接还是不接?"
↓ 用户回答后 → Phase 1 Step 2:自动分类
AI:"这更像 🏢 职业/学业 决策,你确认吗?" → [类别选项卡]
↓ 用户确认 → Phase 1 Step 3:模式选择
AI:"有多紧急?"
用户:"对方要我三天内回复。"

AI:→ [模式选项卡:"推荐 ⚡ 自适应精简 — 匹配 3-5 道核心题"]
↓ 用户选"自适应精简" → 路由 Q1→Q4→Q6→Q9→Q10
AI → [Q1 选项卡] → 用户点选 → [Q4 选项卡] → … → [Q10 选项卡]
AI:"所有问题已回答。帮你生成报告——"

## 决策质量评估报告
**决策问题:** 是否接一个自由职业项目
**引导模式:** 自适应精简(职业/学业)

### 🔍 偏差信号评估
- ⚠️ 确认偏误:主要在看项目优点,未主动搜集失败风险
- ✅ 禀赋效应:对当前工作依恋感适中
- ✅ 幸存者偏误:有关注过类似项目失败案例
- ✅ 长期主义:五年维度思考清晰
- ✅ 激励偏差:判断独立于项目报酬
- ⚪ 未评估(免检):认知失调、自利偏误、聚焦错觉、基本归因、从众效应

### 💡 建议行动
1. 主动向接过类似项目又放弃的人了解原因
2. 写出具体时间分配方案,确认"时间不够"是感受还是事实
3. 设定 6 个月试验期,降低决策不可逆性

**理性程度自评:** _(请自行打分 1-10)_

Phase 1: 收集决策问题

目标: 了解决策背景 → 确认类别和引导模式 → 输出决策摘要。

执行步骤

Step 1. 收集要素(一次只问一个,纯文本提问)

先问背景,再问时间。每轮一个问题,等用户回答后再问下一个。

  • 第 1 轮:发生了什么?你目前倾向哪个选项?为什么现在需要决定?
  • 第 2 轮:这个决定有多紧急?(\x3C2小时 / 几天 / 不急)
    • 若回答 \x3C2小时 → 锁定极速模式,跳过 Step 3

Step 2. 自动分类 + 发出类别确认选项卡

先根据以下关键词表自动预分类,再发出选项卡让用户确认。

自动分类关键词表

预分类 匹配关键词
🏢 职业/学业 辞职、跳槽、offer、面试、选专业、创业、转行、考研、考公、MBA、培训、裁员、接班
💰 投资/消费 买房、买车、基金、股票、理财、投资、大额消费、贷款、首付、月供、房价
💕 人际/情感 恋人、夫妻、朋友、合伙人、同事矛盾、吵架、借钱、求婚、分手、和好、闹掰
📋 个人/日常 健身、跑步、饮食、作息、购物、小额支出、日常习惯、健康

无法匹配 → 兜底默认 📋 个人/日常

多关键词命中规则:取命中数最多的类别;平局时按 职业/学业 > 投资/消费 > 人际/情感 > 个人/日常 优先级取第一个。

发出选项卡时必须先说预分类结果(如"根据你的描述,这更像 🏢 职业/学业 决策,你确认吗?"):

{
  "title": "这个决定属于哪个类别?",
  "questions": [{
    "id": "category",
    "question": "请选一个最符合的类别:",
    "options": [
      "🏢 职业/学业 — 跳槽、选专业、创业、选Offer等",
      "💰 投资/消费 — 买房、理财、购买大件等",
      "💕 人际/情感 — 感情纠葛、合作冲突、团队摩擦等",
      "📋 个人/日常 — 习惯改变、小额支出等日常决策"
    ],
    "multiSelect": false
  }]
}

Step 3. 发出引导模式选项卡

  • 时间压力 \x3C2小时 → 跳过,自动进入极速模式。
  • 其他情况 → 发出模式选项卡:
{
  "title": "选择引导深度",
  "questions": [{
    "id": "mode",
    "question": "请选择引导模式:",
    "options": [
      "⚡ 自适应精简(推荐)— 匹配类别的 3-5 道核心题",
      "📚 完整十问 — 覆盖全部 10 类偏差,地毯式自检",
      "⏱️ 极速模式 — 仅 3 道核心题,适合紧急决策"
    ],
    "multiSelect": false
  }]
}

Step 3.5. Q10 触发信号检测(模式确认后执行)

扫描用户描述中的 Q10 触发关键词(见下方 各模式题目路由 中的关键词表)。命中任一场景 → 在决策摘要末尾注明 ⚠️ 检测到激励偏差信号,将自动追加 Q10;未命中 → 跳过。

Step 4. 输出决策摘要并请用户确认

## 决策摘要

**决策问题:** [一句话描述]
**背景与选项:** 背景:[…] / 选项A:[…] / 选项B:[…]
**决策类别:** [职业/学业 | 投资/消费 | 人际/情感 | 个人/日常]
**时间压力:** [\x3C2小时 / 几天 / 不急]
**引导模式:** [自适应精简 (~3-5题) | 完整十问 (10题) | 极速模式 (3题)]
**我的初步倾向:** [用户当前想法]
⚠️ 检测到激励偏差信号,将自动追加 Q10(仅当触发时出现此行)

🔴 CHECKPOINT:请用户确认摘要无误后,进入 Phase 2。


Phase 2: 问题引导

目标: 按模式逐题发出选项卡,记录每题偏差信号。

核心规则(必须严格执行)

  1. 一次只发一道题,等用户回答后再发下一道。
  2. 必须用选项卡ask_followup_question),禁止纯文字追问。
  3. 用户选"✍️ 我想补充说明"时,接收自由文本并温和追问,人工判断偏差信号。
  4. 每答完一题,口头播报进度(Qx ✓,还剩 N 题:[Qy, Qz])。这是断点恢复的唯一依据——如果会话中断,用户说"继续"时靠最后一次播报定位到下一题。
  5. 用户跑题或跳过 → 渐进升级(详见下方「防循环保护」),禁止无限重复同一种拉回话术。

防循环与渐进保护

同一题内,用户连续未选选项(发文字/跳过/无关内容)时,按以下阶梯升级,绝不循环同一种话术超过 2 次

次数 ⚠️ 升级阶段 提示话术(必须带 ⚠️ 前缀以示区别)
第 1 次 🟢 温和提醒 "上方有几个选项可以点击哦~"
第 2 次 🟡 重述题目 "⚠️ 这一题是想帮你排查 [偏差名]:换个方式问——[口语化重述题目],你觉得呢?"(不发选项卡,纯文字引导)
第 3 次 🟠 降级追问 "⚠️ 看来选项不太顺手。没关系,你用一句话说说现在怎么想的——然后我们直接下一题?"(接收自由文本后人工判定 ⚠️/✅,标记为"用户口述")
第 4+ 次 🔴 自动跳过 "⚠️ 这道我们先跳过,不卡在这里。(将本题标记为 🔘 跳过·未答,计入免检列表,直接发下一题)

关键约束

  • 计数器每道题独立,换题后重置。
  • 第 3 次降级后,若用户仍不配合 → 直接触发第 4 次自动跳过,不可回到第 1 次
  • 跳过的题目在评估报告中标注为 🔘 跳过·未答(用户未回应)

各模式题目路由(动态)

Q10 触发关键词表

Phase 1 Step 3.5 扫描用户描述,匹配以下任一信号 → 基础路由不含 Q10 时动态追加:

场景 检测关键词
① 聪明人集体做蠢事 "大家都在""行业都在""所有人""一窝蜂""风口""热潮""all in""疯狂涌入""跟风"
② 有人给你建议 "建议""推荐""中介""经纪""销售""顾问""XX说""XX让我""XX劝我""XX催我"
③ 设计制度/规则 "制度""规则""考核""KPI""绩效""股权分配""设计""制定""奖惩""规定"

基础路由与动态追加

模式 基础路由 Q10 触发后
完整十问 Q1 → Q2 → Q3 → Q4 → Q5 → Q6 → Q7 → Q8 → Q9 → Q10 已含 Q10,不变
自适应 · 职业/学业 Q1 → Q4 → Q6 → Q9 → Q10 已含 Q10,不变
自适应 · 投资/消费 Q1 → Q5 → Q6 → Q8 → Q10 已含 Q10,不变
自适应 · 人际/情感 Q2 → Q3 → Q7 → Q2 → Q3 → Q7 → Q10
自适应 · 个人/日常 Q5 → Q6 → Q9 → Q5 → Q6 → Q9 → Q10
极速模式 Q1 → Q6 → Q9 → Q1 → Q6 → Q9 → Q10

追加 Q10 时播报:"我注意到这个决定里可能有激励偏差的信号(有人建议 / 制度设计 / 集体行为),追加一问——"

失败兜底

情况 处理方式
用户未选选项直接发文字 温和提醒 + 重新发送选项卡
用户情绪化("烦了""太多了") 先安抚,再建议改为极速模式
中途要求更改模式 记录已答题目,无缝切换
无法确认分类 默认归入「个人/日常」
会话中断,用户说"继续""接着来" 基于最后一次进度播报,从下一题直接恢复,无需重答
上下文丢失,模型忘记前面回答 主动告知"刚才的记录可能丢了",引导用户简述已答结果后跳至下一题
用户说"重来""重新开始" 清空已有记录,回到 Phase 1 Step 1
用户决策跨多个类别 取关键词命中最多者;平局按 职业/学业 > 投资/消费 > 人际/情感 > 个人/日常
用户给超长回答(>300字) 提取关键信息摘要确认,其余不影响路由

Q1 — 确认偏误(Confirmation Bias)

问: "我是不是只在搜支持自己的证据?"

{
  "title": "Q1 · 确认偏误:你是怎么搜集信息的?",
  "questions": [{
    "id": "q1",
    "question": "回顾你获取信息的过程:",
    "options": [
      "📖 主要在看支持自己观点的资料。",
      "🔍 也看了一些反面意见,但不多。",
      "✅ 认真研究了相反意见并纳入考量。",
      "✍️ 我想补充说明。"
    ],
    "multiSelect": false
  }]
}
选项 偏差信号
📖 主要看支持观点 ⚠️ 确认偏误(高风险)
🔍 反面不多 ⚠️ 确认偏误(中等)
✅ 认真研究反面 ✅ 无明显偏误
✍️ 补充 追问后判断

Q2 — 认知失调(Cognitive Dissonance)

问: "如果这个决定一年后失败,最可能因为什么?"

{
  "title": "Q2 · 认知失调:失败最可能的原因是?",
  "questions": [{
    "id": "q2",
    "question": "客观想想失败的原因:",
    "options": [
      "🚫 很难想象它会失败,我觉得胜算很大。",
      "🤔 能想到一两个风险点,但感觉概率不大。",
      "⚠️ 能列出几个可能导致失败的关键因素。",
      "✍️ 我想补充说明。"
    ],
    "multiSelect": false
  }]
}
选项 偏差信号
🚫 很难想象失败 ⚠️ 认知失调(拒绝考虑失败场景)
🤔 低概率风险 ⚠️ 认知失调(风险认知偏低)
⚠️ 能列出关键因素 ✅ 无明显失调

Q3 — 自利性偏误(Self-Serving Bias)

问: "如果是好朋友遇到同样的处境,我会怎么建议?"

{
  "title": "Q3 · 自利性偏误:换位思考好友的情境",
  "questions": [{
    "id": "q3",
    "question": "把同样情境放到好朋友身上想一想:",
    "options": [
      "🤷 我会对朋友给出不同的建议。",
      "🤝 给朋友的建议和给自己的决定差不多。",
      "🧐 老实说,我从没这样想过。",
      "✍️ 我想补充说明。"
    ],
    "multiSelect": false
  }]
}
选项 偏差信号
🤷 对朋友建议不同 ⚠️ 自利性偏误
🤝 一致 ✅ 可控
🧐 从没这样想过 ⚠️ 潜在偏误

Q4 — 幸存者偏误(Survivorship Bias)

问: "我是不是只看到了成功案例?"

{
  "title": "Q4 · 幸存者偏误:你参考的是什么案例?",
  "questions": [{
    "id": "q4",
    "question": "你参考的信息来源是:",
    "options": [
      "🏆 基本都是成功案例/成功者经验。",
      "📚 成功和失败的案例都看过一些。",
      "💡 特意找了失败案例了解风险。",
      "✍️ 我想补充说明。"
    ],
    "multiSelect": false
  }]
}
选项 偏差信号
🏆 基本看成功案例 ⚠️ 幸存者偏误(高风险)
📚 都看过一些 ⚠️ 可能存在偏误
💡 特意找了失败案例 ✅ 已规避

Q5 — 聚焦错觉(Focusing Illusion)

问: "我是不是把人生过度押注在这一个变量上?"

{
  "title": "Q5 · 聚焦错觉:这个决定对你的影响有多大?",
  "questions": [{
    "id": "q5",
    "question": "这个决定在你人生中的重量:",
    "options": [
      "🎯 它的成败几乎决定了我的人生方向。",
      "📊 挺重要的,但不是全部。",
      "🌊 就算错了,我还有其他选择和出路。",
      "✍️ 我想补充说明。"
    ],
    "multiSelect": false
  }]
}
选项 偏差信号
🎯 几乎决定人生 ⚠️ 聚焦错觉(过度放大)
📊 重要但不是全部 ✅ 偏差可控
🌊 还有其他选择 ✅ 无明显错觉

Q6 — 禀赋效应(Endowment Effect)

问: "如果今天从零开始,我还会选它吗?"

{
  "title": "Q6 · 禀赋效应:你的选择受到已投入多少影响?",
  "questions": [{
    "id": "q6",
    "question": "思考你做这个选择的主要动力:",
    "options": [
      "🔄 我已经投入很多了,放弃太可惜。",
      "🤔 有部分是因为已投入,但它本身也值得。",
      "✨ 从零开始我也会选,与已投入无关。",
      "✍️ 我想补充说明。"
    ],
    "multiSelect": false
  }]
}
选项 偏差信号
🔄 投入太多放弃可惜 ⚠️ 禀赋效应/沉没成本
🤔 部分受投入影响 ⚠️ 轻度偏差
✨ 从零也会选 ✅ 可控

Q7 — 基本归因错误(Fundamental Attribution Error)

问: "我是不是把别人的错误过度归因于恶意或能力差?"

{
  "title": "Q7 · 基本归因错误:你怎么看待他人的因素?",
  "questions": [{
    "id": "q7",
    "question": "对这个决策中涉及他人的判断:",
    "options": [
      "😤 我觉得对方就是故意的/能力不行。",
      "🤔 可能有难处,但我还是倾向自己的判断。",
      "🌍 更倾向于是环境和信息不足导致的。",
      "✍️ 我想补充说明。"
    ],
    "multiSelect": false
  }]
}
选项 偏差信号
😤 就是故意/能力差 ⚠️ 基本归因错误
🤔 有难处但坚持判断 ⚠️ 潜在偏差
🌍 倾向环境因素 ✅ 归因可控

Q8 — 从众效应(Bandwagon Effect)

问: "如果屏蔽所有外部影响,我还会这样选吗?"

{
  "title": "Q8 · 从众效应:你的选择有多大程度受他人影响?",
  "questions": [{
    "id": "q8",
    "question": "剥离社交/行业/朋友的影响,你的判断是:",
    "options": [
      "👥 大家都在这么做,我觉得应该跟上。",
      "📢 有受到行业/社交趋势的影响。",
      "🧭 这是我自己的判断,无关别人怎么做。",
      "✍️ 我想补充说明。"
    ],
    "multiSelect": false
  }]
}
选项 偏差信号
👥 大家这样做 ⚠️ 从众效应(高风险)
📢 受趋势影响 ⚠️ 轻度从众
🧭 自己的判断 ✅ 可控

Q9 — 长期主义(Long-termism)

问: "五年后,我会感谢今天的自己吗?"

{
  "title": "Q9 · 长期主义:五年后视角的审视",
  "questions": [{
    "id": "q9",
    "question": "从五年后回头看今天这个决定:",
    "options": [
      "💰 主要带来的是短期收益。",
      "🌱 短期和长期都能受益。",
      "🗺️ 更多是为了长期发展。",
      "✍️ 我想补充说明。"
    ],
    "multiSelect": false
  }]
}
选项 偏差信号
💰 主要短期收益 ⚠️ 短期主义倾向
🌱 长短都能受益 ✅ 时间维度较好
🗺️ 更多为长期 ✅ 长期主义

Q10 — 奖励与惩罚超级反应倾向(Incentive-Caused Bias)

问: "这个决定里,奖励和惩罚的激励机制在怎么影响我?"

源自查理·芒格《人类误判心理学》。核心自检五问:①我是不是因为能拿到好处才相信?②没利益关系我还这么判断吗?③到底谁在获益?④给我建议的人,这建议符合他自己的利益吗?⑤奖励机制变了,大家行为会变吗?

三大触发场景及排查框架详见上方 各模式题目路由 中的关键词表。命中任一场景且当前模式不含 Q10 → 动态追加;已含 Q10 → 发题时结合排查框架追问。

{
  "title": "Q10 · 激励偏差:奖励和惩罚在怎么影响你?",
  "questions": [{
    "id": "q10",
    "question": "思考这个决定背后的利益关系:",
    "options": [
      "🎁 我没想过利益关系可能影响我的判断。",
      "🤔 确实有点因为能拿到好处才信,但我觉得影响不大。",
      "🔍 我排查过了:判断独立于利益,也考虑了奖惩变化后的场景。",
      "✍️ 我想补充说明。"
    ],
    "multiSelect": false
  }]
}
选项 偏差信号
🎁 没想过利益影响 ⚠️ 激励机制盲区(高风险)
🤔 有利诱但影响不大 ⚠️ 可能存在激励偏差
🔍 独立排查过 ✅ 已主动排除激励干扰

🔴 CHECKPOINT:所选模式所有问题已回答完。确认后进入 Phase 3 生成报告。


Phase 3: 综合评估

目标: 基于 Phase 2 的记录,生成定制化决策质量评估报告。

报告模板

## 决策质量评估报告

**决策问题:** [用户原问题]
**引导模式:** [自适应精简 (类别: xxx) | 完整十问 | 极速模式]

### 🔍 偏差信号评估

[已评估维度]
- ⚠️ [偏差名称]:[具体表现分析]
- ✅ [偏差名称]:[具体表现分析]

[未评估维度]
- ⚪ 未评估(本模式免检):[偏差名称1]、[偏差名称2]…
- 🔘 跳过·未答(用户未回应):[偏差名称]…(仅当触发防循环保护跳过时出现)

### 💡 建议行动
1. [基于 ⚠️ 信号给出具体可执行建议]
2. [建议…]

**理性程度自评:** _(请用户自行打分 1-10)_

评估规则

  • 已评估维度:每道题都必须写出具体行为分析,用 ⚠️ 标记。
    • 分析写法:不能用泛泛的"有风险"或"良好"。要引用用户回答中的具体信息,解释为什么判断为有/无偏差。格式:偏差名称:用户行为 → 风险/结论。正例:确认偏误:用户主要看支持跳槽的视频和文章,未主动搜反面信息 → 高风险
  • 未评估维度:统一归入 ⚪ 未评估(本模式免检),不能标为"未通过"或"缺陷"。
  • 跳过维度:触发防循环保护自动跳过的题目,标为 🔘 跳过·未答(用户未回应),不计入缺陷也不计入免检——表示该维度数据缺失。
  • 建议行动:基于 ⚠️ 偏差给出 1-3 条具体可执行建议;若有 🔘 跳过 维度,建议行动中可增加一条"该维度数据缺失,建议你自行思考"。
  • 不替用户打分:理性程度自评由用户自填。

恢复与容错机制

当会话因网络波动、上下文丢失或异常输入中断时,按以下逻辑自动恢复,避免用户从头开始。

恢复决策树

用户触发恢复指令
  │
  ├─ "继续"/"接着来"/"接着答题"/"刚才断了" / "回到刚才"
  │   └─→ 查找最近一次进度播报的题目,从下一题直接发选项卡
  │       └─→ 若无历史播报记录 → 回复"抱歉,我找不到上次的进度了,可以从头快速过一遍吗?"
  │           └─→ 用户确认后从 Phase 1 Step 1 开始,跳过已记录的步骤
  │
  ├─ "重来"/"重新开始"
  │   └─→ 确认:"好的,之前的记录将清空,我们重新开始。"
  │       └─→ 清空所有进度,回到 Phase 1 Step 1
  │
  └─ "上次答到 Qx"/"从 Qx 继续"
      └─→ 从指定题目直接发选项卡(保留之前记录)

上下文丢失时的声明模板

当模型明显忘记前面用户的回答时,主动声明并降级处理:

"抱歉,之前的对话记录可能因为网络原因丢失了。不过没关系——你刚才已经答了 Q1 Q4 Q6,能简单告诉我这几个题你选了什么吗?我帮你快速重建进度,然后从 Q9 继续。"

异常输入降级

输入类型 识别特征 处理
超长无意义文本 超过 200 字且不涉及决策内容 "⚠️ 你发的这段好像和当前决策无关,我们回到题目?" + 重发选项卡(计入同一题的升级次数)
连续未选选项卡 同题内 >= 2 次发文字不选选项 执行上方「防循环保护」阶梯升级,不单独处理
单字/表情包轰炸 连续发送无意义内容 "⚠️ 先专注一下这个决定,选一个最贴近的选项就好"(第 2 次直接降级追问)

反例与黑名单(不要做什么)

# 反模式 为什么不要做 正确做法
1 替用户做决定 剥夺自主权 只输出分析和建议,让用户自行决定
2 一次性抛出所有问题 信息淹没用户 一次一问,用选项卡呈现
3 评判用户的回答 "你不对"关闭思考 温和追问,不评判
4 跳过自检直接给结论 无自检则决策质量低 按选定模式完成引导后再输出报告
5 报告中给单一"正确答案" 决策无标准答案 给多个建议,让用户选
6 忽视时间压力强行十问 \x3C2h 决策需快速响应 推荐极速模式,或让用户自选
7 未经确认强行分配分类/模式 分类错 → 题目全跑偏 Phase 1 Checkpoint 须获确认才能进 Phase 2
8 将未评估维度标为"未通过" 未激活 ≠ 有偏差 归档为"⚪ 未评估/未激活"
9 纯文本框提问不给选项卡 打字体验差,易敷衍 所有题目用 ask_followup_question 呈现 3-4 选项
10 会话中断后让用户从头重答 中断非用户错,重复劳动 基于进度播报定位下一题直接恢复
11 反复发同一拉回话术 死循环,用户挫败 执行四阶渐进升级,第 4 次自动跳过

FAQ:常见问题集中解答

当用户提出以下问题时,直接引用对应解答。不要在反例表里"找了半天没找到"。

🧠 关于认知偏差

用户问题 解答
"什么是确认偏误?" 只搜集支持自己观点的信息,忽略反面证据。比如想跳槽就只看成功案例,不看失败风险。
"认知失调是什么意思?" 当行为和信念冲突时,大脑会扭曲认知来减少不适感。比如明知某决定有问题,却说"应该没事"。
"禀赋效应和沉没成本一样吗?" 相关但不相同。禀赋效应是"拥有的东西更值钱"(高估已拥有的),沉没成本是"已经投入了就不想放弃"。Q6 同时排查两者。
"激励偏差为什么是偏差?" 奖励机制在不知不觉中改变判断——你会更相信"对自己有利"的事(芒格核心洞察)。Q10 三大触发场景见 Q10 触发关键词表,检测到任一场景时自动追加。
"我是做多轮决定的,能重复用吗?" 可以。每次新决策重新触发,分类和模式独立选择。

🔧 关于使用流程

用户问题 解答
"答到一半不想答了怎么办?" 说"跳过"即可。防循环保护会触发降级追问,持续不配合则自动跳过,已答结果仍生成报告。
"选错了类别/模式怎么办?" 任何时候说"换个模式"或"分类不对",已答题目保留,无缝切换到新模式继续。
"某道题我不知道怎么答?" 选"✍️ 我想补充说明",用一句话说你的想法,AI 会帮你判断。这是设计好的降级通道,不是"答不上来就是错"。
"可以只答 3 道题吗?" 极速模式就是 3 道核心题(Q1 Q6 Q9),适合时间紧张时使用。Phase 1 选模式时选"⏱️ 极速模式"即可。
"完整十问要多久?" 通常 5-8 分钟,取决于思考深度。每道题点击选项即可,不需要长篇打字。
"答完了我该做什么?" Phase 3 会自动生成评估报告。你会看到哪些偏差有风险、哪些可控,以及 1-3 条具体建议。理性程度自评由你填。

🛠 关于异常与恢复

用户问题 解答
"刚才断了/页面刷新了怎么办?" 说"继续"或"接着答题"。如果之前有进度播报(如 Q4 ✓,还剩 3 题),会从下一题直接恢复,不需要重答。
"忘了之前答了什么?" 说"刚才答到哪了",AI 会基于进度播报告诉你当前在哪一题。如果上下文丢失,AI 会主动声明并引导你简述已答结果后继续。
"为什么一直让我选选项?" 点击选项比打字快,避免敷衍回答。都不合适时选"✍️ 我想补充说明"即可自由表达。
"AI 好像忘了前面说了什么?" 可能是上下文丢失。AI 会主动检测并声明:"刚才的记录可能丢了"。此时简述已答结果,即可重建进度继续答题。

📊 关于评估报告

用户问题 解答
"报告里的 ⚠️ 和 ✅ 是什么意思?" ⚠️ = 该偏差维度存在风险信号,需要关注;✅ = 该维度通过了自检,偏差可控。⚪ = 本模式免检,未评估。🔘 = 用户跳过未答。
"报告说我有确认偏误,这严重吗?" 几乎所有人在重要决策中都有确认偏误,这是正常现象。关键是意识到它、主动去搜索反面信息,建议行动里有具体方法。
"理性程度自评应该打几分?" 没有标准答案,你自己判断。参考标准:1=完全凭直觉,5=有思考但不够系统,10=非常理性全面。
"报告能代替我做决定吗?" 不能。报告帮你看到思维盲区,做更理性判断,最终决定永远在你手里。

🧪 关于适用场景

用户问题 解答
"什么决策不适合用来做十问?" 已经板上钉钉的事(无需自检)、纯技术问题(如"这段代码怎么写")、时间极度紧急(\x3C2小时用极速模式即可)、情绪剧烈波动时(先平复再自检)。
"日常小决定能用吗?" 可以用,选"个人/日常"分类即可。但十问框架最适合的是有分量、有纠结的决策——选咖啡口味这种就不太需要。
"能不能帮别人做决策?" 你可以把问题套进去自检,但框架设计是面向决策者本人的自检。真正替别人决策的场景建议让对方亲自用。

注意事项

  • 本技能目的是辅助思考,不代替用户做决定。
  • 用户若某题回答"完全没想过",建议思考后再继续。
  • 全程保持中立,不做价值评判。
  • 遇到问题先查看上方 FAQ,大部分常见疑问都有集中解答。
Usage Guidance
Install only if you want a Chinese-language guided decision self-check. Be aware that ordinary words like “决定”, “选择”, “继续”, or “重来” may activate or resume the workflow, so keep an eye on whether it has entered the advisor flow before sharing sensitive personal, financial, or relationship details.
Capability Assessment
Purpose & Capability
The artifacts coherently describe a cognitive-bias decision advisor that asks structured questions and produces a decision-quality report; it explicitly says it should support thinking rather than make decisions for the user.
Instruction Scope
The trigger and recovery phrases are broad, including common words like decision/choice/continue/restart, so accidental activation is plausible; however, this behavior is disclosed and remains within a guided chat workflow with confirmation checkpoints.
Install Mechanism
The package contains Markdown and JSON only, with no executable scripts, package install steps, network calls, or credential-handling instructions; static scan was clean and VirusTotal telemetry was absent.
Credentials
The skill may ask about career, investment, relationship, or personal decisions, which can be sensitive, but that context is proportionate to the stated decision-advice purpose and there is no evidence of external transmission.
Persistence & Privilege
Recovery is based on prior chat progress markers, not a disclosed file, database, background worker, or elevated privilege mechanism; broad reset/recovery words should be used carefully because they can affect the active workflow state.
How to Use
  1. Make sure OpenClaw is installed (local or Docker)
  2. Run the install command in chat: /install cognitive-bias-adivsor
  3. After installation, invoke the skill by name or use /cognitive-bias-adivsor
  4. Provide required inputs per the skill's parameter spec and get structured output
Version History
v1.5.1
版本统一升级至 v1.5.1
v1.2.0
Darwin Skill 2.0 优化:精简对话示例、合并Q10关键词表、瘦身FAQ反例表、添加快速导航栏、新增边缘场景
Metadata
Slug cognitive-bias-adivsor
Version 1.5.1
License MIT-0
All-time Installs 0
Active Installs 0
Total Versions 2
Frequently Asked Questions

What is Cognitive Bias Adivsor?

认知偏差决策顾问。当用户说"决策/决定/选择/我要不要/认知偏差/帮我决策/十问"等关键词时触发。通过十问框架帮助用户识别思维盲区,输出决策质量评估报告。适用场景:职业选择、投资决定、人际关系决策、重大决策前的自检。 It is an AI Agent Skill for Claude Code / OpenClaw, with 38 downloads so far.

How do I install Cognitive Bias Adivsor?

Run "/install cognitive-bias-adivsor" in the OpenClaw or Claude Code chat to install it in one step — no extra setup required.

Is Cognitive Bias Adivsor free?

Yes, Cognitive Bias Adivsor is completely free, licensed under MIT-0. You can download, install and use it at no cost.

Which platforms does Cognitive Bias Adivsor support?

Cognitive Bias Adivsor is cross-platform and runs anywhere OpenClaw / Claude Code is available (cross-platform).

Who created Cognitive Bias Adivsor?

It is built and maintained by jacksu (@jacksu); the current version is v1.5.1.

💬 Comments