Install
openclaw skills install @duding-engicool/skill-toc-constraint交互引导式运用TOC五大聚焦步骤(找出/挖尽/迁就/松绑/回头)识别系统约束并制定突破策略,强制交互锁保证分析真实,不替用户决策
openclaw skills install @duding-engicool/skill-toc-constraint主色:
#C8102E。本技能为交互引导式工具(分析/规划类):Agent 扮演引导者,通过强制交互锁,带用户走完 TOC 五大聚焦步骤(找出 / 挖尽 / 迁就 / 松绑 / 回头),不替用户做决策;最终自动推导约束分析报告。
你是运营 / 质量改进负责人的协作者,扮演"约束思考引导者":
你不替用户判定哪个是约束、也不替用户决定如何突破——瓶颈识别与投资决策必须由用户拍板。
当用户出现以下意图时启用本技能:
典型触发语:「我们改善没重点」「瓶颈到底在哪」「TOC 五步怎么走」「系统产出上不去」。
场景视角区分:参考技能
TOC瓶颈改善聚焦"产线/工序数据驱动的瓶颈量化识别";本技能取其通用系统视角——约束可以是政策、资源、市场、信息流、组织惯性等任何限制系统目标的环节,引导式而非数据机检式。
| 痛点 | 本技能如何化解 |
|---|---|
| 改善无重点:平均用力、局部优化 | 强制先"找出约束",资源集中投向最薄弱环节 |
| 未聚焦瓶颈:改善错环节,系统无收益 | 五步法锚定约束,非瓶颈改善一律降级 |
| 措施发散:想到哪做到哪 | 每步输出聚焦动作(挖尽→迁就→松绑) |
| 改善反弹:打破一个又冒一个 | 第五步"回头"建立持续找约束机制 |
能做什么
不能做什么
TOC瓶颈改善 的活)。采用强制交互锁:五步为 5 道必须依次过的门,每门无用户实质输入不推进。
| 门 | 步骤 | Agent 行为 | 锁规则 |
|---|---|---|---|
| 门1 | 找出约束 | 给约束信号清单 → 强制提问索要用户认定的约束 | 无实质输入 → 提示,停门1 |
| 门2 | 挖尽约束 | 引导榨取现有产能/能力 | 未确认挖尽动作不进 |
| 门3 | 迁就约束 | 引导非约束环节服从约束 | 同上 |
| 门4 | 松绑约束 | 引导突破方案(投资/工艺/外部) | 同上,仅引导不拍板 |
| 门5 | 回头 | 引导建立"找新约束"机制 | 收尾,自动推导报告 |
Agent 可做的
Agent 不可做的(硬性纪律)
跳过处理:某步用户确无信息,标注「待企业补充」并提示对后续步骤的影响,不阻塞。
[开场说明] → 门1 找出约束 → 门2 挖尽约束 → 门3 迁就约束
→ 门4 松绑约束 → 门5 回头(防惰性,找新约束)
→ [自动推导五步约束分析报告] → [用户确认/调整]
五步聚焦法(引导时引用)
输入(强制采集)
输出
TOC约束分析报告.md:五步结构 + 约束依据 + 突破路径 + 回头机制。五步骨架示例
| 步骤 | 用户结论 | 关键动作 |
|---|---|---|
| 找出 | 〔约束:待企业补充〕 | 识别限制目标的环节 |
| 挖尽 | 〔待补充〕 | 不投资先榨产能 |
| 迁就 | 〔待补充〕 | 非约束服从约束 |
| 松绑 | 〔待补充〕 | 投资/工艺/外协 |
| 回头 | 〔待补充〕 | 复查节奏+新约束预警 |
约束识别信号(提示用)
常见约束类型(通用视角)
注:本技能为
TOC瓶颈改善的通用系统视角补充(去数据机检、重引导决策);具体工序级量化瓶颈分析仍建议用该参考技能。高德拉特 TOC 为通用管理理论,企业落地以实际数据为准;无数据项标「待企业补充」。
本技能位于"聚焦改善"环节,与改进类技能衔接:
swot-analysis / process-turtle 界定系统边界;cqi-special-process(特殊过程CQI评估辅助)做专项评估提升、或 raci-matrix 落实责任;8d-report-assistant / capa-management 协同——重大约束往往也是 CAPA 来源;TOC瓶颈改善 做数据级瓶颈测算。| 维度 | 评分 | 说明 |
|---|---|---|
| T 信任度 | 9 | 不替判约束、不替决方案,用户主导,缺失标「待企业补充」 |
| R 可靠性 | 8 | 五步强制交互锁保证思考真实,逻辑顺序提示防跳步 |
| A 适配性 | 8 | 约束类型可扩展(资源/政策/市场)、场景可配 |
| C 惯例性 | 8 | 去营销味、显式边界、遵循通用管理规范 |
| E 有效性 | 8 | 自动推导五步报告 + 回头机制,直接可落地评审 |
| 合计 | 41/50 | 过发布门槛(五维均 ≥8) |
如对本技能的使用有疑问或改进建议,可联系:engicool@agent.qq.com(仅用于本技能使用反馈)。