Token导航 LogoToken导航

Agent Skill · 待分类

systems-thinking(系统思维)

systems-thinking 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。

systems-thinking 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 8,318。

总安装 306周安装 13GitHub Stars 9下载 107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:systems-thinking(系统思维)
来源仓库:https://github.com/kangarooking/cognitive-dividend-skill
仓库路径:skills/systems-thinking
安装命令:
npx skills add https://github.com/kangarooking/cognitive-dividend-skill --skill systems-thinking
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/cognitive-dividend-skill --skill systems-thinking

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。

用于处理 GitHub 仓库、Issue 和 Pull Request 信息。适合围绕代码变更和协作事项进行整理。可结合来源仓库和 README 核验具体用法。

安装命令:npx skills add https://github.com/kangarooking/cognitive-dividend-skill --skill systems-thinking。建议确认权限范围与维护状态。

来源仓库内路径:skills/systems-thinking

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/cognitive-dividend-skill --skill…;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

systems-thinking 怎么安装?

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

systems-thinking 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。

systems-thinking 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。

systems-thinking 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。

systems-thinking 用的人多吗?

公开数据是累计安装 306 次,近一周安装 13 次,下载 107 次,GitHub 9 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。

systems-thinking 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
systems-thinking

系统思维 · 本页

3069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

系统性思维

R — 原文 (Reading)

看不见的关系,比看得见的要素要重要得多。系统性思维的第一步,就是要将你的视角从要素转移到关系。……系统性思维的第二步,就是要将你的视角,从局部拉升到整体。……系统性思维的第三步,就是要将你的视角从静态变成动态,加入时间这第四个维度,让你看到事物背后的演化进程。 —— 第20章《系统性思维》

I — 方法论骨架 (Interpretation)

  1. 系统性思维是三个视角的切换:要素→关系,局部→整体,静态→动态
  2. 决定系统价值的不是要素本身,而是要素之间的关系和结构
  3. 两种基本回路:增强回路(正反馈循环,滚雪球式增强)和调节回路(负反馈稳定,趋向目标)
  4. 增强回路可正向(富者越富)也可逆向(股市崩盘),关键看方向
  5. 调节回路的功能是让系统趋向稳定或达成某个目标
  6. 增长上限结构:增强回路 + 调节回路,增长到一定程度触发副作用,被抑制甚至逆转
  7. 舍本逐末结构:两个调节回路竞争——症状解(快但暂时的)vs 根本解(慢但持久的)
  8. 舍本逐末中隐含增强回路,让症状解上瘾,根本解能力退化
  9. 解决增长上限的关键:找右侧循环的限制因素(杠杆解),而非继续加大左侧循环

A1 — 书中应用 (Past Application)

  • 养鸡场增长上限:鸡生蛋→增强回路,但规模上升→管理复杂度→瘟疫/停电→毁灭。杠杆解不是买更多鸡,而是提升管理能力
  • 新产品增长上限:广告投放→销量暴增→产量提升→管理复杂→次品率上升→口碑变差→销量下跌。杠杆解是提升品控能力,而非继续加广告
  • 舍本逐末——收入低:症状解是做兼职(快),根本解是提升能力(慢)。兼职越多→没时间学习→竞争力下降→收入更低→更多兼职,死循环
  • 舍本逐末——生病:症状解是去医院(快),根本解是健康饮食锻炼(慢)。越依赖医院越不锻炼,身体越差

A2 — 触发场景 (Future Trigger)

何时使用:

  • 同一个问题反复出现,每次"解决"后又会回来
  • 采取某个行动后,引发了意料之外的负面连锁反应
  • 发现"越努力效果越差"或"投入翻倍但增长停滞"
  • 团队/组织效率持续下降,但找不到单一原因
  • 需要设计一个能持续增长的机制

语言信号:

  • "为什么这个问题老是出现?"
  • "改了A,B又出了问题"
  • "越做越差/越管越乱"
  • "感觉陷入了死循环"
  • "一开始有效,后来就不行了"

与相邻skill区分:

  • vs. structured-thinking:结构化是"拆解+分类",系统性是"找关系+画回路";结构化看静态快照,系统性看动态循环
  • vs. evolution-strategy:系统性是分析诊断工具,演化策略是行动迭代框架;先用系统性分析系统结构,再用演化策略设计行动方案

E — 可执行步骤 (Execution)

步骤1:从调节回路开始,描述系统

  • 定义系统的核心目标(注意:不是短期任务,而是长期状态化目标)
  • 找出"现状"与"目标"之间的差距要素
  • 画出从差距→行动→效果→反馈的基本调节回路
  • 完成标准:画出一个闭合的调节回路图,包含至少4个节点和明确的反馈方向

步骤2:构建增强回路,识别增长上限

  • 在调节回路基础上,寻找可以自我增强的正反馈循环
  • 立刻追问:这个增强回路会不会触发抑制性副作用?
  • 找到右侧调节回路中的限制因素(如管理能力、品控能力、市场容量)
  • 完成标准:识别出至少一个增长上限结构,明确标注限制因素是什么

步骤3:检查舍本逐末,选择根本解

  • 检查当前解决方案是"症状解"还是"根本解"
  • 如果是症状解:评估其副作用是否会削弱根本解的能力
  • 制定根本解的行动计划(即使短期见效慢)
  • 完成标准:列出症状解和根本解的对比表,确认当前行动方向指向根本解

B — 边界 (Boundary)

不要用的场景:

  • 简单的线性因果关系(A直接导致B),不需要系统分析
  • 紧急需要行动的场景(画系统图需要时间)
  • 数据不足无法验证假设的情况

失败模式:

  • 过度复杂化:画出过于复杂的系统图,反而找不到杠杆点
  • 只诊断不行动:沉迷于画回路图,迟迟不采取行动
  • 忽略时间延迟:系统中很多反馈有时间延迟,短期看不到效果就判定无效

作者盲点:

  • 对"如何量化系统中的反馈强度"缺乏方法,实际应用中难以判断哪个回路占主导
  • 增长上限和舍本逐末两种结构覆盖了很多场景,但并非所有系统问题都能归入这两类

相关 skills

本 skill 与以下 skill 存在关联:

  • compound-effect(前置依赖):系统性思维中的"增强回路"概念直接来源于复利效应的增强循环设计,理解复利效应是理解系统动力学的认知基础。
  • structured-thinking(对比):结构化思维关注静态分解和分类,系统性思维关注动态关系和回路。先用结构化做全面拆解,再用系统性找因果循环。

平台分布

Codex

36.56%
按下载量换算39

Claude

30.25%
按下载量换算32

Cursor

18.39%
按下载量换算20

Gemini CLI

8.16%
按下载量换算9

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