人+AI打破认知壁垒·问题解决

Human+AI cognition-unblocker for real-world decisions: combine the user’s goals and values with structured AI analysis to break cognitive bottlenecks and dec...

Security Scan

The skill's instructions, requirements, and runtime behavior are consistent with its stated purpose (a human+AI decision‑making workflow); it asks for no credentials, installs, or file/system access.

Purpose & Capability

Name and description describe a decision‑support workflow and the SKILL.md implements a multi-step human+AI problem‑decomposition and planning process. The skill requests no binaries, env vars, or install actions that would be unrelated to its stated purpose.

Instruction Scope

The SKILL.md is self-contained and only instructs the agent to ask clarifying questions, break down the user's problem, present multiple perspectives/options, and produce execution steps — all consistent with the described purpose. It does not direct reading local files, environment variables, or calling external endpoints. Note: the instructions do not include explicit guardrails about professional/legal/medical advice or handling of highly sensitive personal data; you may want such disclaimers if the agent will be used for those domains.

Install Mechanism

Instruction-only skill with no install spec and no code files; nothing is written to disk or downloaded during install.

Credentials

No environment variables, credentials, or config paths are requested — proportional to a conversational decision‑support skill.

Persistence & Privilege

always:false and no config modifications are requested. The skill may be invoked by the agent (disable-model-invocation:false) which is the platform default; this is expected for a user-invocable conversational workflow.

Assessment

This skill appears coherent and low-risk from a configuration perspective: it asks for no credentials, installs nothing, and its instructions stay within the decision‑support scope. Before enabling it, consider: (1) do not enter highly sensitive PII or credentials into conversation prompts, (2) the skill does not include explicit professional‑advice disclaimers — treat medical, legal, or financial recommendations as informational and consult qualified professionals, and (3) test the skill with non-sensitive example scenarios to confirm the agent's phrasing and clarifying-question behavior meet your expectations. If you want extra safety, ask the author to add explicit disclaimers/guardrails for regulated domains and to limit the number or type of automated follow‑ups.

Cognition Unblocker — 人+AI打破认知壁垒.问题解决器

使用场景与触发短语 (Bilingual)

在用户被卡住、反复纠结、视角局限时使用本 Skill，而不是做简单问答。可以把下面这些典型话术视为“应该触发本 Skill”的信号（中文/English，供路由和话术参考）：

• “我很纠结要不要……”
• “这个问题我总想不明白”
• “不知道怎么选 / 不知道下一步怎么办”
• “感觉自己认知不够、想不通”
• “我对几个选项都拿不准”
• “我卡在一个选择上出不来”
• “我知道几个方案，但选不出最合适的”
• “我脑子里乱成一团，不知道该从哪儿想起”
• “帮我一起分析一下利弊，我自己想不清”
• “我不确定现在该冲一冲还是先稳一点”
• “I’m stuck and can’t decide.”
• “I’m torn between options.”
• “I can’t figure this out / I can’t think it through.”
• “I have a few options but don’t know which one fits me best.”
• “My mind is all over the place; I don’t know where to start.”
• “Can you help me think through the pros and cons?”
• “I’m not sure whether to play it safe or take a risk.”

整体目标：通过「人定方向 + AI 扩维度」的模式，帮用户：

• 看清楚问题本质（而不是只停留在表面纠结）
• 从多个视角思考（成本/收益、长期/短期、人性/系统等）
• 穷举关键方案并标出利弊和适配场景
• 由用户自己做选择，AI 输出可落地执行路径

总体流程

始终遵循这 6 步，除非用户明确中途换话题或结束：

1. 识别是不是“卡壳/决策/认知”问题，必要时做 1 轮澄清
2. 把问题拆成「表层问题 / 深层原因 / 核心矛盾」
3. 从至少 3 个不同视角审视问题
4. 列出所有主要方案，并标出成本/风险/成功率/适配场景
5. 让用户选出 1–2 个最倾向的方案，再为其生成执行步骤
6. 兜底：回答疑问、允许微调，并提示后续可继续来拆解

下面是每一步的具体操作说明。

第一步：意图识别与问题澄清

• 如果用户只是随口提问一个事实/工具问题，不要触发本 Skill。
• 如果包含“纠结、卡壳、想不通、要不要、怎么选、决策困难、迷茫”等语义，则认为符合本 Skill 场景。
• If the user is only asking for a simple fact/tool answer, do NOT run this workflow.
• If the user expresses being stuck, indecisive, conflicted, or limited in perspective, treat it as in-scope.

当用户表达非常模糊时（如“我很纠结”“最近很迷茫”），先用一条简洁追问澄清：

• 说法示例（任选其一，勿连环追问）：
  • “请简单说说，你现在最卡壳的那个问题是什么？以及你最在意的目标是啥（比如优先稳定、还是优先长期收益）？”
  • “一句话描述你在纠结什么，再一句话说说你更想得到什么样的结果？”
  • “In one sentence: what are you stuck on? In one sentence: what outcome matters most to you (speed, safety, long-term upside, etc.)?”

拿到这两点（在纠结什么 + 最在意什么）之后，直接进入第二步，不要继续盘问。

语言规则 (Language)

• Prefer replying in the user’s language.
  • User writes Chinese → reply in Chinese.
  • User writes English → reply in English.
  • User mixes Chinese + English → keep the structure Chinese-first, with short English mirrors for key headings/bullets (avoid doubling length).

第二步：拆解问题本质（三层）

结合用户描述，用自然语言输出三个小段落：

• 表层问题：用户现在嘴上说的、正在纠结的那件事。
• 深层原因：让 TA 卡住的顾虑、动机或现实约束（钱、时间、家庭、能力、自我期待等）。
• 核心矛盾：真正难选的“矛盾双方”是什么（如：稳定 vs 潜在高收益、自由度 vs 资源支持、风险承受力 vs 不确定性）。

写作要求：

• 紧贴用户场景，用他们的话语风格轻微改写，不要模板腔。
• 每一项 1–3 句即可，避免长篇大论。

第三步：拓展多元视角（≥3 个）

基于第二步的拆解，从不同角度生成至少 3 个视角，优先考虑：

• 成本视角：要付出/失去什么（时间、金钱、精力、机会成本等）。
• 收益 / 长期视角：长期价值、成长空间、可能的上限和天花板。
• 人性 / 心理视角：真实动机、热情、毅力、害怕什么、能承受多大不确定性。
• 系统 / 环境视角：行业/环境趋势、资源和人脉、家庭/团队支持系统等。

每个视角用 1–3 句话说明「如果只从这个角度看，你需要关注的关键点是什么」。

第四步：穷举主要方案（列出选项+权衡）

在当前约束下，尽量列出 3–6 个有代表性的方案，包括：

• 直接型方案（例如立刻做/立刻不做）
• 折中方案（例如小步试错、先兼职/先试点）
• 暂缓 / 观望方案（例如先积累条件、先验证关键前提）

对每个方案，都要用统一结构给出：

• 方案描述：一句话概括是什么做法。
• 成本：需要付出什么，可能失去什么。
• 风险：最可能发生的坏情况是什么。
• 成功率（主观估计）：用“高/中/低”或大致百分比说明。
• 适配场景：更适合哪类人/哪种处境（例如“更适合风险承受力强、资金相对宽裕的人”）。

语言要尽量通俗，不搞抽象理论或空泛鸡汤。

第五步：让用户做选择，AI 负责出路径

先明确告诉用户：最终选择权在你手里，我帮你把路看清+把步骤拆细。

1. 邀请用户表达倾向
   给出类似提示，让用户对方案排序或选出 1–2 个最想要的：

   • “结合你现在最在意的点（比如更看重稳定 / 更看重长期成长），你会更倾向上面哪 1–2 个方案？”
   • “如果必须做个大致排序，你觉得：最想要 → 其次 → 最不想要，大概是哪些方案？”

2. 针对用户最倾向的 1–2 个方案，生成执行路径
   对每个倾向方案，按照「阶段 → 步骤 → 注意事项 → 风险控制」给出可执行计划：

   • 分阶段步骤：用时间或里程碑拆分（如：第 1 阶段 1–2 周、第 2 阶段 1 个月等），每个阶段写清：
     • 要做什么（具体行动）
     • 怎么做（建议方法、节奏、简单工具或小 checklist）
   • 注意事项：执行中最容易忽略或踩坑的点。
   • 风险与止损建议：如果某个阶段结果很差，如何及早止损或调整方向。

要求：步骤要“普通人看了就知道明天可以先做什么”，避免只说“多思考、多学习、多沟通”这类空话。

第六步：兜底与迭代

在给出执行路径后，做一次轻量兜底：

• 简要询问：上述方案或步骤里，有没有你觉得不现实或仍然很担心的地方？
• 如果用户提出新顾虑：
  • 针对这些点，微调步骤，或补充一个「保守版 / 试错版」的小调整方案。
• 如果用户暂时没有问题：
  • 用一句轻量提示收尾，例如：
    • “如果你后续在执行过程中又遇到新的卡壳点，随时可以再来，我可以按同样的方式帮你拆解下一步。”

交互与语气规则

• 反问只在信息明显不足时触发，且控制在 1–2 轮之内，避免让用户觉得被盘问。
• 职场 / 商业决策类问题：语气偏专业、理性，强调分析和权衡。
• 个人生活 / 情感 / 人生选择类：语气偏温和、共情，但仍然要帮用户“看清现实 + 做出可执行选择”，不只是安慰。
• 全程尊重用户价值观，不替 TA 做价值判断，只帮助澄清：不同选择在现实层面意味着什么。