Token导航 LogoToken导航

Agent Skill · 效率

decision-helper(决策助手)

decision-helper 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。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。

decision-helper 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为权限未标注;许可证为 MIT-0,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 14,012。

总安装 3,525周安装 144GitHub Stars 1下载 1,129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
MIT-0
版本
1.0.0

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:decision-helper(决策助手)
来源仓库:https://github.com/payne-openclaw/decision-helper
安装命令:
openclaw skills install decision-helper
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 OpenClaw 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。

ClawHubOpenClaw
openclaw skills install decision-helper

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

decision-helper 提供 AI 驱动的决策支持,帮助 Agent 在 OpenClaw 中快速消除干扰、做出果断选择。适用于需要提升决策效率、减少过度思考的场景,如任务优先级判断或方案取舍。通过自然语言输入问题,Agent 将分析选项并给出建议,无需复杂配置即可集成使用。

安装前请确认权限范围、维护状态,注意是否涉及联网或数据访问行为。建议结合原始 README 和仓库代码进一步验证具体实现和功能边界。

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 OpenClaw;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 openclaw skills install decision-helper;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

decision-helper 怎么安装?

在终端执行 openclaw skills install decision-helper。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

decision-helper 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。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。

decision-helper 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。

decision-helper 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

decision-helper 用的人多吗?

公开数据是累计安装 3,525 次,近一周安装 144 次,下载 1,129 次,GitHub 1 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。

decision-helper 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

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 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

  • 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 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
decision-helper

决策助手 · 本页

3,5251权限未标注MIT-0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

name
decision-helper
description
|

Decision Helper | 决策助手

🎯 Decisions made simple. Clarity delivered instantly. 决策本应简单,清晰即刻呈现。

Why This Skill? | 为什么选它?

传统方式Decision Helper
纠结几小时⚡ 30秒出框架
凭感觉乱选📊 结构化分析
事后后悔🎯 提前看清利弊
一个人扛🧠 AI智囊团支持

Your secret weapon for life's crossroads. 人生十字路口的秘密武器。


Trigger | 触发策略

自动触发(高置信度)

当同时满足:

  1. 决策场景 - 涉及选择/取舍
  2. 情绪信号 - 纠结/不确定/害怕
  3. 重要性 - 影响较大

信号组合:

场景 + 情绪框架
"A还是B" + 无情绪❌ 不触发(简单选择)
"A还是B" + "纠结"✅ 利弊分析
"要不要" + "怕后悔"✅ 10-10-10
"哪个好" + 无情绪⚠️ 轻量提示
重大决策词 + 任何犹豫✅ 直接分析

重大决策词: 辞职、买房、结婚、转行、投资、搬家、创业

轻量提示(中置信度)

"看起来你在做选择,需要我帮你分析一下吗?"

等用户确认后再用框架

不触发(低置信度)

  • 简单事实问答
  • 用户明确知道答案
  • 日常琐事选择

Frameworks | 五大决策框架

1. 利弊分析 ⚖️

场景: 二选一

A: ✅ 优点 → ❌ 缺点 → 净评估
B: ✅ 优点 → ❌ 缺点 → 净评估

关键差异: [一句话]
建议: [A/B/再想想]

2. 决策矩阵 📊

场景: 多维度比较

标准      权重   A    B    C
────────  ────   ──   ──   ──
[标准1]   [x%]   [分] [分] [分]
[标准2]   [x%]   [分] [分] [分]
───────────────────────────────
加权总分         [分] [分] [分]

胜出: [选项]

3. 最坏情况 😰

场景: 害怕风险

选A的最坏结果: [具体描述]
能承受吗? [是/否]

选B的最坏结果: [具体描述]  
能承受吗? [是/否]

结论: [选能承受的那个 / 都不选 / 降低风险再选]

4. 10-10-10 ⏰

场景: 纠结当下感受

10分钟后: [感觉]
10个月后: [感觉]
10年后:  [感觉]

视角: [长期/短期]
建议: [选长期不后悔的]

5. 可逆性测试 ↩️

场景: 犹豫不决

这个决定可逆吗? [是/否]

是 → 快速决定,错了再改
否 → 慢点决定,多想几步

Response Template | 回应模板

Step 1: 识别 (1句话)

"这是个[类型]决策,用[框架]分析:"

Step 2: 分析 (3-5句话)

[直接套用框架]

Step 3: 建议 (1句话)

"建议: [具体建议],因为[关键理由]。"

Step 4: 提醒 (可选)

"注意: [潜在风险]"


Examples | 示例

User: "我该换工作吗?"

Response:

这是个利弊权衡决策,用利弊分析: 现工作: ✅ 熟悉/稳定 ❌ 没成长 新工作: ✅ 机会/钱 ❌ 风险/适应 关键差异: 稳定 vs 成长 建议: 如果新工作最坏结果能接受,就去。因为年轻时不搏的成本 > 失败成本。 注意: 确认新工作的真实情况,别只看表面。

User: "买A车还是B车?"

Response:

多维度比较,用决策矩阵: | 标准 | 权重 | A车 | B车 | |------|------|-----|-----| | 价格 | 30% | 8 | 6 | | 油耗 | 25% | 6 | 8 | | 空间 | 25% | 9 | 7 | | 维修 | 20% | 7 | 7 | | 加权 | 100% | 7.5 | 6.9 | 胜出: A车,空间优势抵消了价格差。 但看你实际最在意什么?

Judgment Criteria | 判断标准

用决策助手的条件

IF (重大决策 OR 明显纠结) AND 用户没明确倾向 → 自动分析
IF 普通选择 AND 用户犹豫 → 轻量提示
IF 简单选择 OR 用户明确 → 不触发

判断示例

用户输入分析动作
"今天吃啥"日常琐事❌ 不触发
"我该辞职吗"重大+不确定✅ 自动分析
"A还是B好"普通选择⚠️ "需要分析吗?"
"A还是B,好纠结"普通+情绪✅ 自动分析
"买房还是租房"重大+权衡✅ 自动分析

Principles | 核心原则

  1. 快: 30秒内给出框架
  2. 简: 不解释原理,直接套用
  3. 准: 一句话点出关键
  4. 留: 最后留一个问题给用户
  5. 智: 判断该不该用,比怎么用更重要

The Promise | 承诺

Every decision is a bet on your future. 每个决策都是对未来的赌注。 This skill helps you stack the odds in your favor. 这个技能帮你把胜算握在手中。

版本: 1.0.0 | 类型: Native Skill

平台分布

OpenClaw

96.54%
按下载量换算1,090

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

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