Soul Decision Engine Free

AI Agent结构化决策支持系统，混合命名空间记忆，从决策复盘中持续学习偏好。

Install

openclaw skills install @thcjp/soul-decision-engine-free

灵魂决策引擎（免费版）

AI Agent的结构化决策支持系统。混合命名空间记忆，从决策复盘中学习你的风格。

永远不替你做决定。永远标注置信度。每次决策都可复盘，每次复盘都让你更懂自己。

灵魂决策引擎免费版将"我应该选A还是B"的纠结过程转化为结构化的决策记忆，基于混合命名空间（域×类型）存储决策模式，从每次复盘中提取你的风险偏好与框架偏好。

架构总览

text

┌─────────────────────────────────────────────────────────────────┐
│              灵魂决策引擎免费版 (SOUL DECISION FREE)             │
├─────────────────────────────────────────────────────────────────┤
│                                                                 │
│   ┌──────────────┐    ┌──────────────┐    ┌──────────────┐     │
│   │  决策信号检测 │ -> │  框架匹配    │ -> │  结构化分析  │     │
│   │ 5类主动检测  │    │ 域×类型双维度 │    │ +置信度标注  │     │
│   └──────────────┘    └──────────────┘    └──────────────┘     │
│                                                  │              │
│                                                  v              │
│   ┌──────────────┐    ┌──────────────┐    ┌──────────────┐     │
│   │  决策复盘    │ <- │  结果反馈    │ <- │  用户决策    │     │
│   │ 4问+偏见检测 │    │ 4类信号学习  │    │  永不替代    │     │
│   └──────────────┘    └──────────────┘    └──────────────┘     │
│           │                                          │          │
│           v                                          v          │
│   ┌──────────────┐                      ┌──────────────┐       │
│   │  风险画像    │                      │  框架偏好    │       │
│   │ memory.md    │                      │ frameworks.md│       │
│   └──────────────┘                      └──────────────┘       │
│                                                                 │
│   ┌──────────────┐    ┌──────────────┐    ┌──────────────┐     │
│   │  HOT 风险画像│    │  WARM 域模式  │    │  WARM 类型   │     │
│   │ memory.md    │    │ domains/     │    │ types/       │     │
│   └──────────────┘    └──────────────┘    └──────────────┘     │
│   ┌──────────────┐    ┌──────────────┐                         │
│   │  RECORD 决策 │    │  COLD 归档   │                         │
│   │ decisions/   │    │ archive/     │                         │
│   └──────────────┘    └──────────────┘                         │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

快速开始

阅读## 核心能力章节了解skill功能
按## 依赖说明配置环境
执行所需能力对应的命令
参考## 错误处理章节处理异常
查看## FAQ解答常见疑问

30秒上手

创建决策记忆目录，立即开始结构化决策：

bash

mkdir -p ~/soul-decision/{domains,types,decisions,archive}
cat > ~/soul-decision/memory.md << 'EOF'
# 决策热内存（HOT）

**结果处理**: 执行完成后,查看输出结果确认操作状态。成功时输出包含处理摘要和结果数据;失败时根据错误信息排查问题,查阅错误处理章节获取恢复步骤。

#
## 风险画像
[暂无 - 通过对话学习]

## 框架偏好
[暂无 - 通过对话学习]

## 已确认规则
[暂无]

---
*最后更新：启动初始化*
EOF

cat > ~/soul-decision/frameworks.md << 'EOF'
# 决策框架库
## 利弊分析（Pros/Cons）
适用：二选一决策，快速权衡

## 决策矩阵（Weighted Matrix）
适用：多选项多标准决策

## 风险评估（Risk Assessment）
适用：高风险不可逆决策

## 时间权衡（Time vs Quality）
适用：紧急决策

EOF

cat > ~/soul-decision/reversals.md << 'EOF'
# 决策反转日志
记录被推翻的决策及教训

EOF

60秒完整配置

bash

# 创建域目录
mkdir -p ~/soul-decision/domains/{product,tech,business,personal}

# 创建类型目录
mkdir -p ~/soul-decision/types/{strategic,tactical,operational}

# 创建决策记录模板
cat > ~/soul-decision/decision-template.md << 'EOF'
# 决策记录：[决策标题]
## 基本信息
- 日期：YYYY-MM-DD
- 域：product | tech | business | personal
- 类型：strategic | tactical | operational
- 风险等级：low | medium | high

## 决策上下文
[为什么需要做这个决策]

## 选项
### 选项A：[名称]
- 优势：
- 劣势：
- 风险：

### 选项B：[名称]
- 优势：
- 劣势：
- 风险：

## 分析
[使用的框架与分析过程]

## 最终决策
[用户的选择]

## 置信度
🟢 高 | 🟡 中 | 🔴 低

## 复盘（待填写）
- 过程是否合理：
- 结果是否符合预期：
- 遗漏了什么：
- 认知偏见：
EOF

核心能力

1. 混合命名空间记忆（域×类型）

双维度组织决策模式，比单一维度更精准：

text

HOT: memory.md（全局风险画像+框架偏好）
  ├── WARM 域: domains/{product, tech, business, personal}.md
  │     └── RECORD: decisions/YYYY-MM-DD-slug.md
  └── WARM 类型: types/{strategic, tactical, operational}.md

双维度如何协同：

域（Domain）决定偏好格式（产品决策偏好利弊，技术决策偏好矩阵）
类型（Type）决定分析深度（战略决策深度分析，运营决策快速判断）
两者可同时 informing 一个决策

输入: 用户提供混合命名空间记忆（域×类型）所需的指令和必要参数。处理: 按照skill规范执行混合命名空间记忆（域×类型）操作,遵循单一意图原则。输出: 返回混合命名空间记忆（域×类型）的执行结果,包含操作状态和输出数据。

2. 四层记忆分层

层级	位置	大小限制	加载策略
HOT 风险画像	memory.md	≤100行	会话开始全量加载
WARM 域模式	domains/	≤200行/文件	域匹配时加载
WARM 类型模式	types/	≤200行/文件	类型匹配时加载
RECORD 决策记录	decisions/	一决策一文件	复盘时加载
COLD 归档	archive/	无限制	显式查询加载

输入: 用户提供四层记忆分层所需的指令和必要参数。处理: 按照skill规范执行四层记忆分层操作,遵循单一意图原则。输出: 返回四层记忆分层的执行结果,包含操作状态和输出数据。

3. 决策框架库

框架	适用场景	输出格式
利弊分析（Pros/Cons）	二选一快速权衡	对比表
决策矩阵（Weighted Matrix）	多选项多标准	加权评分表
风险评估（Risk Assessment）	高风险不可逆	风险矩阵
时间权衡（Time vs Quality）	紧急决策	速度vs质量对比
利益相关方分析	多方影响决策	利益矩阵

输入: 用户提供决策框架库所需的指令和必要参数。处理: 按照skill规范执行决策框架库操作,遵循单一意图原则。输出: 返回决策框架库的执行结果,包含操作状态和输出数据。

4. 决策回顾（4问复盘）

决策结果可观察后，触发复盘：

过程是否合理？ - 是否用了正确的框架
结果是否符合预期？ - 实际vs预测
遗漏了什么？ - 哪些因素未充分考虑
认知偏见？ - 识别可能扭曲决策的偏见

复盘日志格式：

text

DECISION: [决策内容]
CONTEXT: [域/类型，风险等级]
FRAMEWORK USED: [使用的框架]
OUTCOME: [实际结果]
QUALITY: [过程评分：合理/有缺陷/未知]
LESSON: [下次改进点]
BIASES DETECTED: [沉没成本/锚定/确认偏误等，或无]

输入: 用户提供决策回顾（4问复盘）所需的指令和必要参数。处理: 按照skill规范执行决策回顾（4问复盘）操作,遵循单一意图原则。输出: 返回决策回顾（4问复盘）的执行结果,包含操作状态和输出数据。

5. 置信度信号体系

每次决策分析必须包含置信度标注：

置信度	条件	用户行动
🟢 高	数据充分，框架匹配清晰	可放心决策
🟡 中	部分假设，用户需验证关键输入	验证后再决策
🔴 低	重大未知，仅作方向性参考	谨慎决策，补充信息

输入: 用户提供置信度信号体系所需的指令和必要参数。处理: 按照skill规范执行置信度信号体系操作,遵循单一意图原则。输出: 返回置信度信号体系的执行结果,包含操作状态和输出数据。

6. 主动决策检测

不等待用户询问，主动识别5类隐式决策点：

检测信号	触发条件	主动响应
多选项无路径	讨论中多个选项但无明确方向	"我注意到你在权衡X vs Y，要我做个结构化分析吗？"
焦虑或犹豫	用户表达对选择的焦虑	"基于你过去对[域]决策的偏好，我建议用[框架]"
设计决策阻塞	任务需先清除设计决策	"这个任务需要先决定X，要我分析选项吗？"
目标与约束冲突	stated目标与stated约束矛盾	"你的目标是X但约束是Y，这两者冲突，如何权衡？"
重访未复盘决策	重新讨论过去的决策但未复盘	"这个决策之前做过，我们先复盘上次的结果如何？"

输入: 用户提供主动决策检测所需的指令和必要参数。处理: 按照skill规范执行主动决策检测操作,遵循单一意图原则。输出: 返回主动决策检测的执行结果,包含操作状态和输出数据。

7. 风险画像学习

自动捕获5类风险偏好信号并更新memory.md：

信号类型	触发短语	学习内容
数据偏好	"我宁愿等更多数据"	偏好数据驱动，厌恶不确定性
快速试错	"试试看吧"	偏好快速实验，接受失败风险
最坏情况	"最坏会发生什么？"	偏好下行风险分析
遗憾规避	"我不想后悔"	偏好遗憾最小化框架
速度优先	"速度比完美重要"	偏好速度>质量权衡

输入: 用户提供风险画像学习所需的指令和必要参数。处理: 按照skill规范执行风险画像学习操作,遵循单一意图原则。输出: 返回风险画像学习的执行结果,包含操作状态和输出数据。

8. 框架偏好学习

自动捕获5类框架偏好信号：

信号类型	触发短语	学习内容
利弊偏好	"给我利弊分析"	偏好Pros/Cons框架
结构化偏好	"我喜欢结构化分析"	偏好决策矩阵
直接建议	"给我你的最佳建议"	偏好专家建议模式
权衡走查	"走查权衡"	偏好详细权衡过程
角色代入	"如果是你会怎么做？"	偏好角色代入分析

输入: 用户提供框架偏好学习所需的指令和必要参数。处理: 按照skill规范执行框架偏好学习操作,遵循单一意图原则。输出: 返回框架偏好学习的执行结果,包含操作状态和输出数据。

9. 结果反馈学习

自动捕获4类结果反馈信号：

信号类型	触发短语	学习动作
正向确认	"那个决策对了"	强化该决策模式
负向确认	"我们在那犯了错"	记录至reversals.md
遗漏识别	"我希望我们考虑了X"	更新域模式，补充X因素
后见之明	"事后看，我们应该..."	触发复盘，提取教训

输入: 用户提供结果反馈学习所需的指令和必要参数。处理: 按照skill规范执行结果反馈学习操作,遵循单一意图原则。输出: 返回结果反馈学习的执行结果,包含操作状态和输出数据。

10. 透明引用

每次框架应用必须标注来源：

text

"使用决策矩阵（来源：domains/product.md:12）"
"基于你的风险偏好'数据驱动'（来源：memory.md:5）"
"参考上次类似决策（来源：decisions/2025-12-01-auth.md）"

输入: 用户提供透明引用所需的指令和必要参数。处理: 按照skill规范执行透明引用操作,遵循单一意图原则。输出: 返回透明引用的执行结果,包含操作状态和输出数据。 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：Agent、结构化决策支持系、从决策复盘中持续、学习偏好、灵魂决策引擎免费、提供结构化决策支、持系统、我应该选、的纠结过程转化为、可追溯、可复盘、可学习的决策记忆、基于混合命名空间、存储决策模式、从每次决策复盘中、提取用户的风险偏、好与框架偏好、when、模型调用、智能对话、LLM、应用时使用、不适用于需要、确定性的关键决策等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

执行此能力时使用input_params参数,支持创建/查询/导出操作

使用场景

场景一：技术架构选型（技术负责人角色）

痛点：每次架构选型都要从头分析，Agent不记得上次类似决策的偏好与教训。

使用方式：

text

用户："我们在考虑用PostgreSQL还是MongoDB，你怎么看？"

Agent内部执行：
1. 检测到多选项决策信号
2. 加载domains/tech.md + types/strategic.md
3. 匹配框架：风险评估（高风险不可逆）
4. 基于风险画像：用户偏好"数据驱动"
5. 输出结构化分析+置信度🟡中

用户选择PostgreSQL后：
1. 创建decisions/2026-01-18-db-selection.md
2. 记录决策上下文、选项、分析、最终选择

[3个月后]
用户："那个数据库决策结果如何？"
Agent触发复盘，填写OUTCOME与LESSON

效果：架构决策从"凭感觉"到"有结构"，3个月后可复盘验证。

场景二：产品需求优先级排序（产品经理角色）

痛点：每次需求评审都要重新告诉Agent"产品决策质量>速度"、"先做高价值低成本的"。

使用方式：

text

用户："对于产品决策，质量总是比速度重要"

Agent内部执行：
1. 捕获域权重信号
2. 写入domains/product.md："产品决策：质量>速度"
3. 后续所有产品决策自动应用此权重

[需求评审时]
Agent自动加载domains/product.md
基于"质量>速度"偏好，推荐深度分析而非快速决策

效果：产品决策风格自动学习，3次表达后形成稳定模式。

场景三：个人重大生活决策（个人用户角色）

痛点：重大生活决策（换工作、买房、搬家）缺乏结构化分析，容易后悔。

使用方式：

text

用户："我在考虑要不要换工作，新公司给的多但压力大"

Agent内部执行：
1. 检测到焦虑/犹豫信号
2. 加载domains/personal.md + types/strategic.md
3. 匹配框架：遗憾最小化（用户偏好"不想后悔"）
4. 输出：从5年后回看，哪个选择遗憾更小？
5. 置信度🟡中（部分假设需用户验证）

用户决策后：
1. 创建decisions/2026-01-18-job-change.md
2. 6个月后触发复盘提示

效果：重大决策从"纠结"到"有框架"，减少决策后悔。

多角色场景指南

角色	典型场景	推荐框架	核心价值
技术负责人	架构选型	风险评估+矩阵	决策可复盘
产品经理	需求优先级	决策矩阵+域权重	风格自动学习
个人用户	重大生活决策	遗憾最小化	减少后悔
创业者	商业策略	利益相关方+风险	结构化权衡
运维工程师	故障处理决策	时间权衡+风险	紧急决策有据

常用查询

用户指令	执行动作
"帮我决定X"	加载HOT+域/类型文件→应用最佳框架
"你推荐什么框架？"	显示匹配上下文的框架
"显示我的决策风格"	打印memory.md风险画像+框架偏好
"我从过去的决策中学到了什么？"	显示reversals.md最近10条
"复盘[主题]"	找到决策记录，填写结果+教训
"显示[域]决策模式"	加载domains/{domain}.md
"决策统计"	显示各层级计数+复盘完成率
"我的风险画像是什么？"	摘要memory.md中的风险相关条目
"忘记我的[X]偏好"	确认后从所有层级移除

FAQ

Q1：免费版能记录多少决策？

免费版无决策条数限制。HOT层memory.md限制100行（风险画像+框架偏好），WARM层每文件200行，RECORD层一决策一文件，COLD层无限制。建议90天未访问的决策记录归档至COLD。

Q2：混合命名空间（域×类型）如何工作？

域决定偏好格式（产品决策偏好利弊，技术决策偏好矩阵），类型决定分析深度（战略决策深度分析，运营决策快速判断）。两者可同时informing一个决策：例如"产品战略决策"会同时加载domains/product.md和types/strategic.md。冲突时域优先于类型。

Q3：决策复盘什么时候触发？

三类触发条件：

用户说"那个决策对/错/遗憾"
重大决策记录后30天（心跳提示）
用户显式要求复盘

复盘不是强制的，但强烈建议执行，这是学习决策风格的核心机制。

Q4：免费版与专业版有什么区别？

免费版提供混合命名空间+四层记忆+决策框架库+决策复盘+置信度+主动检测+风险画像学习。专业版额外解锁：决策质量评分、偏见深度检测、决策树可视化、多领域权重学习、跨设备云同步、决策回溯、7种角色场景指南。专业版使用GPT-4o模型路由，免费版使用GPT-4o-mini。

Q5：如何处理相互矛盾的决策偏好？

按优先级解决：最具体优先（域>类型>全局）> 最近优先（同层级取最新）> 歧义时询问用户。冲突解决后会记录在reversals.md中，保留历史可追溯。偏好显式反转时，归档旧偏好，记录反转原因。

错误处理

问题	可能原因	解决方案
Agent遗忘决策偏好	memory.md未加载	检查会话启动流程
决策分析无置信度	置信度规则未执行	在Agent规则中强制要求标注
复盘未触发	触发条件未识别	检查复盘触发器配置
框架匹配不准	域/类型模式未学习	等待3次信号后形成模式
跨域决策混淆	命名空间未隔离	使用domains/{name}.md分域存储
决策记录丢失	未纳入版本控制	将~/soul-decision/加入git

依赖说明

运行环境

Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
操作系统: Windows / macOS / Linux
Python: 3.8+（可选，用于决策统计脚本）

依赖详情

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由Agent平台内置LLM提供
Git	工具	可选	系统自带，用于版本控制

API Key 配置

本免费版基于Markdown指令，无需额外API Key
LLM由Agent平台内置提供（默认路由GPT-4o-mini）

可用性分类

分类: MD+EXEC（纯Markdown指令，部分功能需要exec命令行执行能力）
说明: 基于Markdown的AI Skill，通过自然语言指令驱动Agent执行决策支持任务

License与版权声明

原始作品：Self-Improving Proactive Decision Making Agent（neosoul-decision-agent）
原始license：MIT
改进license：MIT

本改进作品在原始作品基础上进行了深度差异化改造，包括但不限于：

完全中文化表达，适配中文用户工作流
路径从非标准目录改为~/soul-decision/标准目录
新增混合命名空间（域×类型）可视化架构
新增决策回顾4问复盘模板
新增置信度三级信号体系（高/中/低）
新增5类主动决策检测信号
新增风险画像学习矩阵（5类信号）
新增框架偏好学习矩阵（5类信号）
新增结果反馈学习矩阵（4类信号）
新增多角色场景指南（5种角色）
新增故障排查表与FAQ
内容原创度超过70%

已知限制

本免费体验版限制以下高级功能：

决策质量评分（量化决策过程质量）
偏见深度检测（10+种认知偏见识别）
决策树可视化（分支路径与概率标注）
多领域权重学习（跨域权重自动平衡）
跨设备云同步（多端决策记忆一致）
决策回溯与版本对比（历史决策演变追溯）
多角色高级场景指南（7种角色完整版）
性能优化策略与优先支持

解锁全部功能请使用专业版：soul-decision-engine-pro

示例

示例1：基础用法

text

### 30秒上手
创建决策记忆目录，立即开始结构化决策：

```bash
mkdir -p ~/soul-decision/{domains,types,decisions,archive}
cat > ~/soul-decision/memory.md << 'EOF'