- name
- kingofzhao-decision-framework
- version
- 1.0.0
- author
- KingOfZhao
- description
- 决策框架 Skill —— 已知/未知驱动的结构化决策系统，置信度加权+红线拦截+决策记忆
- tags
- [cognition, decision-making, framework, risk-analysis, confidence, trade-offs]
- license
- MIT
- homepage
- https://github.com/KingOfZhao/AGI_PROJECT
Decision Framework Skill
元数据
| 字段 | 值 |
|---|
| 名称 | decision-framework |
| 版本 | 1.0.0 |
| 作者 | KingOfZhao |
| 发布日期 | 2026-03-31 |
| 置信度 | 96% |
来源碰撞
self-evolution-cognition (已知/未知分离)
⊗
entrepreneur-cognition (商业决策)
⊗
ai-growth-engine (度量化)
↓
decision-framework (通用决策系统)
核心哲学
好决策 ≠ 好结果。好决策 = 在已知信息下，用结构化方法选择期望值最高的选项。 结果可能受运气影响，但决策过程可以优化。
四步决策法（KUWR）
K — Known 已知: 列出所有已知事实，标注置信度
U — Unknown 未知: 列出所有未知项，评估影响和获取成本
W — Weigh 权衡: 对每个选项做已知/未知加权评分
R — Record 记录: 记录决策+理由+预期结果，事后对比
决策评分公式
Option Score = (Known_Benefit × confidence) - (Known_Cost × confidence)
+ (Unknown_Upside × probability × 0.5)
- (Unknown_Downside × probability × 1.5)
注意: 未知下行风险权重(1.5) > 未知上行收益权重(0.5)
→ 这是"不对称风险偏好": 优先避免灾难性错误
红线拦截
决策前自动检查红线:
🔴 此决策是否触碰职业红线？→ 如果是，自动拦截
🔴 此决策是否不可逆？→ 如果是，强制等待24h冷静期
🔴 此决策是否影响他人？→ 如果是，强制咨询受影响方
🔴 已知信息置信度是否 <50%？→ 如果是，建议先补充信息
决策记忆
decisions/{date}_{id}.md
- 问题描述
- 已知/未知列表
- 各选项评分
- 最终选择 + 理由
- 预期结果
- [事后] 实际结果 + 偏差分析
- [事后] 教训（更新决策参数）
安装命令
clawhub install decision-framework
调用方式
from skills.decision_framework import DecisionFramework
df = DecisionFramework(workspace=".")
result = df.decide(
problem="是否应该切换到新的技术栈？",
options=["保持现状", "渐进迁移", "完全重写"],
known=["当前技术栈稳定运行2年", "新栈性能提升40%", "团队3人熟悉新栈"],
unknown=["迁移周期", "业务中断风险", "学习曲线"],
redlines=["不中断生产服务"]
)
print(result.rankings) # 选项排名 + 评分
print(result.redline_check) # 红线检查结果
print(result.recommendation) # 建议选择 + 理由
学术参考
- A Survey of Self-Evolving Agents — 决策自进化
- SAGE: Multi-Agent Self-Evolution — 多Agent决策
- Memory in the Age of AI Agents — 决策记忆
