序列思考 Skill (Sequential Thinking)
基于 MCP Sequential Thinking Server 设计的复杂任务分解工具。
功能
- 任务分解 - 将复杂问题分解为可管理的步骤
- 动态调整 - 随理解深入修订和调整思考步骤数
- 分支探索 - 探索替代推理路径
- 假设验证 - 生成和验证解决方案假设
思考流程
问题定义 → 信息收集 → 问题分解 → 多维分析 →
建立连接 → 生成方案 → 评估选择 → 实施反馈使用方法
输入参数
| 参数 | 说明 | 示例 |
|---|---|---|
thought | 当前思考内容 | "首先分析问题边界..." |
thoughtNumber | 当前步骤编号 | 1 |
totalThoughts | 预估总步骤数 | 8 |
nextThoughtNeeded | 是否需要下一步 | true |
isRevision | 是否修订之前思考 | false |
revisesThought | 修订的步骤编号 | 3 |
branchFromThought | 分支起点 | 5 |
branchId | 分支标识 | "方案A" |
needsMoreThoughts | 需要更多步骤 | false |
示例输出
{
"thoughtNumber": 1,
"totalThoughts": 8,
"thought": "首先分析问题边界：用户需要一个金融数据看板",
"nextThoughtNeeded": true,
"branches": []
}适用场景
- ✅ 分解复杂问题
- ✅ 需要修订的规划和设计
- ✅ 初始不清楚全貌的问题
- ✅ 需要多步骤保持上下文的任务
- ✅ 需要过滤无关信息的情况
System Prompt 集成
在 Agent 的 System Prompt 中添加：
## 思考模式
遇到复杂任务时，使用序列思考：
1. 问题定义
- 明确任务目标和边界
- 识别关键约束
2. 信息收集
- 检索相关记忆
- 搜索必要信息
3. 问题分解
- 拆分为子任务
- 确定优先级
4. 多维分析
- 技术角度：可行性、复杂度
- 用户角度：体验、偏好
- 时间角度：紧急度、工作量
5. 建立连接
- 关联已有知识
- 识别依赖关系
6. 生成方案
- 提出多个候选方案
- 考虑分支可能性
7. 评估选择
- 对比方案优劣
- 选择最优路径
8. 实施反馈
- 执行并监控结果
- 根据反馈调整分支示例
当发现当前路径可能不是最优时，创建分支：
thoughtNumber: 5
thought: "方案A（Streamlit）可行，但方案B（React）可能更适合长期维护"
branchFromThought: 5
branchId: "方案B"
totalThoughts: 10 // 增加步骤数以探索分支修订示例
当发现之前的思考有误时，修订：
thoughtNumber: 6
thought: "修正：方案A的部署问题可以通过更新依赖解决"
isRevision: true
revisesThought: 4与 OpenClaw 集成
自动触发条件
- 任务涉及多个步骤
- 问题复杂度超过阈值
- 用户明确要求"思考一下"
- 需要对比多个方案
思考输出格式
思考过程可以输出为 Markdown，记录在 memory/thinking-YYYY-MM-DD.md：
# 思考记录：金融数据看板部署
## 步骤 1：问题定义
任务：部署金融数据看板到公网
## 步骤 2：信息收集
- 已有：本地运行正常
- 需要：公网 URL、免费方案
## 步骤 3：问题分解
1. 选择部署平台
2. 修复依赖问题
3. 上传代码
4. 测试访问
## 步骤 4：多维分析
...
## 步骤 7：评估选择
方案 A（Streamlit Cloud）：推荐
理由：免费、自动部署、适合展示
## 步骤 8：实施反馈
结果：部署成功
URL: https://finance-dashboard-xxx.streamlit.app*基于 MCP Sequential Thinking Server 设计*