ClawHub

Munger Decision

Charlie Munger's mental model decision assistant. Analyzes your decision scenario, recommends the most relevant thinking models, and guides you through struc...

Audits

Pass
ClawScanPass

Agentic behavior and permission review.

Static analysisPass

Pattern checks against bundled files.

VirusTotalPass

Multi-engine malware detections and file reputation.

Install

openclaw skills install munger-decision

芒格决策助手 Skill

版本： v1.2.0
作者： ai-edu
更新： 2026-03-31

快速导航

功能概述

将查理·芒格的 83 个思维模型转化为可执行的决策工具，通过结构化问题引导用户避免认知偏误。

核心能力：

  • 🎯 自动场景识别（投资/产品/人员/战略）
  • 🧠 智能模型推荐（3-5 个相关模型）
  • 💬 引导式多轮对话
  • 📊 生成决策分析报告

使用方法

命令行

# 开始决策分析
/munger analyze [决策描述]

# 查看所有模型
/munger models

# 查看历史记录
/munger history

代码调用

import { assistant } from './src/index';

// 开始分析
const response = await assistant.startAnalysis(
  'session-123', 
  '是否应该投资中宠股份'
);

// 处理回答
const next = await assistant.handleAnswer(
  'session-123', 
  '7分，我对行业有一定了解'
);

决策流程

graph TD
    A[用户输入决策问题] --> B[场景识别器]
    B --> C{识别场景类型}
    C -->|投资| D[推荐投资相关模型]
    C -->|产品| E[推荐产品相关模型]
    C -->|人员| F[推荐人员相关模型]
    C -->|战略| G[推荐战略相关模型]
    D --> H[多轮对话引导]
    E --> H
    F --> H
    G --> H
    H --> I[收集用户回答]
    I --> J{是否完成?}
    J -->|否| H
    J -->|是| K[生成决策报告]
    K --> L[输出 Markdown 报告]

流程说明：

  1. 场景识别 - 通过关键词和正则匹配识别决策类型
  2. 模型推荐 - 根据场景推荐 3-5 个最相关的思维模型
  3. 引导对话 - 针对每个模型提出 2-3 个结构化问题
  4. 报告生成 - 汇总分析结果，生成 Markdown 格式报告

模型库

总计： 83 个思维模型

分类统计

分类数量说明
核心模型 (core)14第一性原理、能力圈、逆向思维等
心理学 (psychology)35确认偏误、损失厌恶、锚定效应等
系统思维 (systems)27临界质量、二阶思维、反脆弱等
商业模型 (business)5Lollapalooza 效应、杠杆等
投资模型 (investing)2规模效应、供需关系

常用模型速查

投资决策：

  • 06 - 能力圈
  • 10 - 安全边际
  • 09 - 护城河
  • 07 - 逆向思维
  • 02 - 机会成本

产品决策：

  • 01 - 第一性原理
  • 38 - 幂律分布
  • 53 - 边际递减
  • 74 - 帕累托原则

人员决策：

  • 32 - 激励机制
  • 06 - 能力圈
  • 26 - 过度自信偏差

战略决策：

  • 07 - 逆向思维
  • 33 - 二阶思维
  • 39 - 反脆弱
  • 04 - 临界质量

完整模型定义： 见 references/models.md

技术架构

模块划分

munger-decision/
├── src/
│   ├── index.ts          # 主入口 + 会话管理
│   ├── detector.ts       # 场景识别器
│   ├── recommender.ts    # 基础推荐引擎
│   ├── smart-recommender.ts  # 智能推荐引擎
│   ├── dialogue.ts       # 对话管理器
│   ├── reporter.ts       # 报告生成器
│   └── types.ts          # 类型定义
├── data/
│   ├── models.json       # 模型数据库
│   └── scenarios.json    # 场景定义
├── references/
│   ├── models.md         # 模型文档（本文档）
│   ├── examples.md       # 使用示例
│   └── [01-83].md        # 各模型详细文档
└── SKILL.md              # 本文档

核心类型

interface MungerModel {
  id: string;
  name: string;
  category: string;
  description: string;
  questions: string[];
  keywords: string[];
  scoring: Record<string, string>;
  referenceFile: string;
}

interface DecisionSession {
  id: string;
  question: string;
  scene: string;
  models: string[];
  currentModelIndex: number;
  currentQuestionIndex: number;
  answers: Record<string, string[]>;
  startTime: number;
}

开发指南

安装依赖

cd /root/.openclaw/workspace/agents/main/skills/munger-decision
npm install

运行测试

npm test

添加新场景

编辑 data/scenarios.json：

{
  "id": "new-scenario",
  "name": "新场景",
  "keywords": ["关键词1", "关键词2"],
  "patterns": ["正则.*表达式"],
  "models": ["01", "06", "07"]
}

添加新模型

  1. 编辑 data/models.json 添加模型定义
  2. 在 references/ 创建详细文档
  3. 运行 npm run build 重新生成 references/models.md

版本历史

v1.2.0 (2026-03-31)

  • ✅ 架构优化：SKILL.md < 500 行
  • ✅ 模型定义迁移到 references/models.md
  • ✅ 添加流程图和快速导航
  • ✅ 文档结构清晰化

v1.0.0 (2026-03-25)

  • ✅ 场景识别器（关键词 + 正则匹配）
  • ✅ 模型推荐引擎（基于场景映射）
  • ✅ 对话管理器（状态机 + 会话管理）
  • ✅ 报告生成器（Markdown 格式）
  • ✅ 核心数据（4 场景 + 83 模型）

相关文档

开发者： ai-edu
许可证： MIT