Token导航 LogoToken导航

Agent Skill · 待分类

incentive-analysis(激励分析)

incentive-analysis 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

incentive-analysis 是待分类类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为权限未标注;许可证信息还不明确,第三方扫描已通过,按安装量在待分类类的 11,209 个 Skill 里排第 5,840。

总安装 514周安装 21GitHub Stars 15下载 166核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:incentive-analysis(激励分析)
来源仓库:https://github.com/kangarooking/poor-charlies-almanack-skill
仓库路径:skills/incentive-analysis
安装命令:
npx skills add https://github.com/kangarooking/poor-charlies-almanack-skill --skill incentive-analysis
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/kangarooking/poor-charlies-almanack-skill --skill incentive-analysis

这个 Skill 是做什么的

这个 Skill 的分类还没最终确定,用法以来源仓库的说明为准。

incentive-analysis 用于处理 GitHub 仓库、Issue、Pull Request 等协作信息,适合在开发流程中进行分类与整理。适用于激励机制分析相关的代码仓库管理与协作场景。通过 npx skills add 命令从 GitHub 仓库安装,需结合原始 README 确认具体用法。

安装前建议确认权限范围、维护状态及是否触发文件读写或网络请求。当前无详细功能描述,建议查阅来源仓库获取完整使用说明。

来源仓库内路径:skills/incentive-analysis

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/kangarooking/poor-charlies-almanack-skill --sk…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    权限没有明确标注,第一次使用时只给一个无关紧要的任务,观察它到底读了哪些文件和网络。

常见问题

6 条

incentive-analysis 怎么安装?

在终端执行 npx skills add https://github.com/kangarooking/poor-charlies-almanack-skill --skill incent…。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

incentive-analysis 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

incentive-analysis 需要什么权限?

权限级别没有明确标注。第一次使用时建议只给无关紧要的任务,观察它实际读写了哪些内容。

incentive-analysis 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

incentive-analysis 用的人多吗?

公开数据是累计安装 514 次,近一周安装 21 次,下载 166 次,GitHub 15 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

incentive-analysis 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理待分类类任务、又不想每次都手写提示词的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

待分类类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
infsh-cli

infsh CLI · Codex、Claude

4,374,576382权限未标注未明确未收录
ai-video-generation

AI 视频生成 · Codex、Claude

4,313,376382调用外部服务未明确有提醒
lark-openapi-explorer

云雀 OpenAPI 浏览器 · Codex、Claude

2,064,1209,011需要联网未明确有提醒
lark-workflow-standup-report

Lark 工作流程站立报告 · Codex、Claude

2,041,6328,978需要联网未明确通过
use-my-browser

使用我的浏览器 · Codex、Claude

1,848,49140操作浏览器未明确未通过
incentive-analysis

激励分析 · 本页

51415权限未标注未明确通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

激励机制分析

R — 原文 (Reading)

我觉得自我成年以来,在理解激励机制的威力方面,我比95%的同龄人要好,然而我总是低估那种威力。每年总会有些意想不到的事情,促使我对激励机制的超级威力有更深的体会。 — 查理·芒格, 第十一讲·人类误判心理学(倾向一)
如果你想要说服别人,要诉诸利益,而非诉诸理性。 — 本杰明·富兰克林, 《穷理查年鉴》(芒格反复引用)

I — 方法论骨架 (Interpretation)

理解任何人类行为或组织行为的第一步,是分析激励机制——谁有什么激励,被激励去做什么。芒格将"奖励超级反应倾向"列为25种心理倾向之首,因为它的威力超过其他一切因素。核心洞察:人们不是按你说的做,而是按他们被激励的方向做;当行为与声称的目标不一致时,几乎总能找到激励机制的根源。尤其危险的是"激励机制引起的偏见"——即使受过高等教育、道德高尚的人,也会在激励驱动下有意或无意做出不道德行为,并为自己的行为寻找正当理由。说服他人时,从对方利益出发比从道理出发有效得多。


A1 — 书中的应用 (Past Application)

案例 1: 联邦快递的激励机制改革

  • 问题: 联邦快递夜班工人总是不能按时完成货物分拣,劝说、威胁等各种手段都无效
  • 方法论的使用: 管理层分析发现问题的根源是激励机制——按小时计薪意味着工作越久收入越高,工人自然拖延。改为按班次计薪(完成即可回家),激励方向瞬间与公司目标一致
  • 结论: 当激励与目标对齐时,不需要劝说和威胁,行为自动改变
  • 结果: 问题一夜之间全部解决。芒格称之为"非常、非常重要的教训"

案例 2: 得州工厂的工伤欺诈

  • 问题: 朋友在得州的工厂,工伤赔偿支出达总薪酬10%以上,根本不危险的工作却有大量"诈伤"
  • 方法论的使用: 芒格诊断发现是有漏洞的制度创造了作恶激励——工伤赔偿标准宽松+律师/医生/工会的利益链形成了"激励机制引起的偏见"+社会认同(人人都这么做)的 Lollapalooza 效应
  • 结论: 容许作恶的制度 + 错误激励 + 社会认同 = 腐败成为风气,极难消除
  • 结果: 关闭得州工厂,搬到摩门教社区重建,赔偿支出从10%+降至2%

案例 3: 所罗门的法律总顾问说服失败

  • 问题: 所罗门公司法律总顾问知道CEO应该上报违法交易,但劝说不成功
  • 方法论的使用: 总顾问诉诸道德而非利益去说服,这是违反"诉诸利益"原则的典型失败。CEO的核心激励是保住职位和声誉,而总顾问说"这是你应该做的正确的事"
  • 结论: 说服失败不是因为没有道理,而是因为没有从对方利益出发
  • 结果: 公司几乎崩溃,总顾问丢了工作。芒格总结:如果他说"你再这样下去会身败名裂",结果可能不同

A2 — 触发场景 (Future Trigger) ★

用户会在什么情境下需要这个 skill?

  1. 制度/政策/流程改革后行为没有按预期改变,需要诊断激励错位
  2. 专业顾问(律师、咨询师、销售、投行)提出的建议恰好对他们自己特别有利
  3. 需要说服上级、下属、合作伙伴改变行为——从道理出发不生效

语言信号 (用户的话里出现这些就应激活)

  • "为什么制度改了但大家还是老样子?"
  • "明明这么不合理,他们为什么还是这样做?"
  • "这个建议听起来不错,但总觉得哪里不对"
  • "怎么才能让他/他们真正按我说的做?"
  • "这些人难道不知道自己在做错事吗?"
  • "我的团队总是做出不符合目标的决策"

与相邻 skill 的区分

  • 与 misjudgment-psychology-checklist 的区别: 清单是25种倾向的全面排查工具,本 skill 深入展开其中最重要的一种——激励机制,提供更具体的分析框架和实践方法
  • 与 dual-track-analysis 的区别: 双轨分析是"理性+心理学"并行的方法论,本 skill 是心理学轨道中激励机制这一个维度的深入挖掘

E — 可执行步骤 (Execution)

  1. 识别所有利益相关方及其激励 — 完成标准: 列出每个关键角色的显性激励(薪酬、奖金、股权、晋升)和隐性激励(权力、声望、安全感、避免麻烦),确保不遗漏
  2. 检查激励与目标的对齐度 — 完成标准: 对每个角色问"他们被激励去做的事,和期望他们做的事一致吗?"标记所有不一致之处
  3. 评估激励机制引起的偏见 — 完成标准: 检查是否存在激励驱动下的"不道德但被正当化"的行为——顾问的建议是否对自身特别有利?惩罚/奖励是否指向容易作假的事情?
  4. 重新设计或调整激励 — 完成标准: 确保激励指向最终结果而非中间过程;避免奖励容易作假的行为;对专业顾问的建议进行利益冲突审查;从对方利益出发设计说服策略

B — 边界 (Boundary) ★

不要在以下情况使用此 skill

  • 纯技术性问题中人的行为不是关键变量时
  • 激励已经明显对齐但问题仍存在时——此时应检查其他心理倾向或能力约束
  • 用激励机制解释个人情感选择(如友谊、爱情)时——过度简化

作者警告的失败模式

  • 过度强调激励解释一切——斯金纳就是因为过度强调激励而陷入"铁锤人倾向"
  • "我总是低估那种威力"——即使芒格这样理解激励的人,也每年都低估其力量
  • 用道德理由说服利益相关方——所罗门案例证明这几乎必定失败
  • 设计制度时未考虑"奖励容易作假的事情"——代码审查bug积分、按手术量考核外科医生等都是典型反例

作者盲点/时代局限

  • 芒格的激励分析主要基于20世纪美国企业和投资环境,对知识经济和远程工作中隐性激励的讨论不足
  • 对"利他行为"和"内在动机"的讨论较少——并非所有行为都能用外在激励解释
  • 作为超级富豪,可能对普通人面临的激励结构(生存压力、信息不对称)缺乏充分感知

容易混淆的邻近方法论

  • "人们趋利"——这只是常识。芒格的独特贡献在于强调激励偏见的隐蔽性和不可抗拒性:即使道德高尚的人也会在激励驱动下做出不道德行为,而且会真心为自己的行为辩护

相关 skills (阶段 3 填充)

  • composes-with: misjudgment-psychology-checklist — 激励机制是25种倾向之首,清单中的其他倾向(社会认同、避免不一致性等)经常与激励偏见联合作用。理解激励是理解其他倾向如何被激活的基础。
  • composes-with: lollapalooza-effect — 激励偏见+其他倾向的叠加是产生极端组织失败的关键机制。得州工厂工伤欺诈案例中,错误激励+社会认同+被剥夺超级反应联合作用,产生了Lollapalooza效应。
  • composes-with: checklist-decision — 激励分析应作为决策前检查清单的标准项目——"利益相关方的激励与目标是否对齐?"

审计信息

  • 验证通过: V1 跨域验证 / V2 预测力测试 / V3 独特性检验
  • 测试通过率: 待定
  • 蒸馏时间: 2026-04-15

平台分布

Codex

36.91%
按下载量换算61

Claude

28.13%
按下载量换算47

Cursor

19.6%
按下载量换算33

Gemini CLI

9.72%
按下载量换算16

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

权限未标注

当前来源未能明确判断权限范围,默认进入异常复核队列。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills