Install
openclaw skills install @wangjiaocheng/dimension-strong-correlation维度强关联探索技能,作为可能性空间导航器,将两个概念解构成基本维度建立维度矩阵,随机选择看似无关的维度组合强制连接推导可能性发展,评估逻辑距离形成可能性集群,识别无人探索区域,输出最有潜力最激进最被忽视的反常识方案。8域39种任务。触发词:维度矩阵、强制连接、可能性空间、概念解构、无人探索区域、meta-skill-system。
openclaw skills install @wangjiaocheng/dimension-strong-correlation本技能是一个维度强关联探索技能,提供作为可能性空间导航器,解构概念建立维度矩阵,强制连接推导可能性的能力。
维度强关联技能能够作为可能性空间导航器,将两个概念解构成基本维度建立维度矩阵,随机选择看似无关的维度组合强制连接推导可能性发展,评估逻辑距离形成可能性集群,识别无人探索区域,输出最有潜力最激进最被忽视的反常识方案。
| 维度 | 评分 | 说明 | 执行框架映射 |
|---|---|---|---|
| R1 信息密度 | 高 | 处理复杂概念,涉及多维度分析 | S和C权重高,G偏严格 |
| R2 创造性 | 高 | 需要强制连接看似无关的维度 | A权重高,C偏发散 |
| R3 交互性 | 中 | 支持用户参与维度选择和连接评估 | I权重中等,S偏实用 |
| R4 规范性 | 低 | 维度解构和连接策略相对灵活 | G权重低,O偏宽松 |
| R5 迭代性 | 高 | 需要迭代推导可能性,形成集群 | 循环多,S→C→A链短而频 |
第一层:维度强关联清单 + 依赖拓扑 → references/dimension-strong-correlation-catalog.md
第二层:方法论要求清单 → references/dimension-strong-correlation-requirements.md
第三层:方法论范本库 → references/exemplars.md
references/dimension-strong-correlation-catalog.md,获取域分类、依赖拓扑、元操作映射提示references/dimension-strong-correlation-requirements.md 获取组件清单;如需样本法,读取 references/exemplars.md 获取范本统一执行流程:收到任务后按5步执行——
按使用流程组织,共8域39种方法论执行任务:
| 域 | 任务数 | 典型任务 |
|---|---|---|
| M0 任务域协调域 | 4 | 任务域选择、执行顺序确定、结果整合、深化路由 |
| M1 概念解构域 | 5 | 概念分析、维度识别、维度定义、维度关系、解构报告 |
| M2 维度矩阵构建域 | 5 | 矩阵设计、维度组合、矩阵填充、矩阵优化、矩阵报告 |
| M3 强制连接域 | 5 | 组合选择、连接策略、连接执行、连接验证、连接报告 |
| M4 可能性推导域 | 5 | 可能性识别、可能性评估、可能性扩展、可能性筛选、可能性报告 |
| M5 集群形成域 | 5 | 逻辑距离评估、集群形成、集群分析、集群优化、集群报告 |
| M6 无人区域识别域 | 5 | 区域识别、探索状态评估、无人区域标记、区域价值评估、区域报告 |
| M7 方案生成域 | 5 | 潜力评估、激进程度评估、被忽视程度评估、方案生成、方案报告 |
域间逻辑流:M0 → M1 → M2 → M3 → M4 → M5 → M6 → M7