chore: import zh skill decision-mental-models

README.md

@@ -0,0 +1,82 @@
+# decision-mental-models
+
+将正确的思维模型应用于任何问题或决策——通过针对每个查询明确选择并运用 2–3 个框架，揭示不易察觉的洞见。
+
+---
+
+## 它能做什么
+
+给定一个问题或决策，该 agent 将：
+
+1. 识别用户处境中的核心矛盾
+2. 从包含 20 个模型的库中选出 2–3 个与具体问题在结构上相关的思维模型
+3. 显式运用每个模型——使用用户的实际细节，而非泛泛的解释
+4. 将所有洞见综合为一个单一的高杠杆关键结论
+
+---
+
+## 20 个思维模型
+
+| # | 模型 | 最佳适用场景 |
+|---|------|----------|
+| 1 | 第一性原理思维 | 打破继承而来的假设 |
+| 2 | 逆向思维 | 避免失败条件 |
+| 3 | 二阶思维 | 追踪下游后果 |
+| 4 | 奥卡姆剃刀 | 削减不必要的复杂性 |
+| 5 | 地图不等于疆域 | 发现模型与现实之间的差距 |
+| 6 | 能力圈 | 根据知识校准信心 |
+| 7 | 机会成本 | 评估未选之路 |
+| 8 | 沉没成本谬误 | 打破路径依赖 |
+| 9 | 遗憾最小化 | 长期人生决策 |
+| 10 | 汉隆剃刀 | 人际冲突与归因 |
+| 11 | 反馈回路 | 理解自我维持的系统 |
+| 12 | 概率思维 | 不确定性下的决策 |
+| 13 | 思想实验 | 在投入前对计划进行压力测试 |
+| 14 | 帕累托原则（80/20） | 约束条件下的优先级排序 |
+| 15 | 激活能 | 行为改变与摩擦减少 |
+| 16 | 达克效应 | 能力校准 |
+| 17 | 切斯特顿围栏 | 在消除规则或流程之前 |
+| 18 | 可得性启发 | 纠正生动但罕见的思维偏差 |
+| 19 | 安全边际 | 为错误和不确定性做计划 |
+| 20 | 系统思维 | 反复出现的组织问题 |
+
+---
+
+## 使用方法
+
+只需描述你的问题或决策。该 agent 会处理模型的选择与应用。
+
+**示例触发语句：**
+- "我无法决定是否该辞掉工作去自由职业。"
+- "我们的团队总在犯同样的错误。我们忽略了什么？"
+- "帮我思考一下现在是否该进行种子轮融资。"
+- "我该如何处理与联合创始人的这次冲突？"
+
+---
+
+## 安装
+
+### OpenClaw / ClawHub
+
+```bash
+clawhub skill install arbazex/decision-mental-models
+```
+
+### 手动安装
+
+将 `SKILL.md` 复制到你的 agent 技能目录中。无需环境变量、二进制文件或外部 API。
+
+---
+
+## 此技能不做的事情
+
+- 不给出直接建议或告诉用户该做什么决定
+- 不泛泛地应用模型——每次运用都使用用户的具体情况
+- 不替代专业的法律、医疗或财务建议
+- 不同时应用全部 20 个模型（每次查询 2–3 个是有意为之——深度胜于广度）
+
+---
+
+## 许可证
+
+MIT

README.wehub.md

@@ -0,0 +1,9 @@
+# WeHub 来源说明
+
+- Skill 名称：`decision-mental-models`
+- 中文类目：决策思维模型与认知框架
+- 上游仓库：`leoyeai__openclaw-master-skills`
+- 上游路径：`skills/decision-mental-models/SKILL.md`
+- 上游链接：https://github.com/leoyeai/openclaw-master-skills/blob/HEAD/skills/decision-mental-models/SKILL.md
+- 本仓库为 WeHub 中文 Skill 汉化包，基于 skill 市场筛选 Top200 清单整理
+- 原作者、版权和许可证信息以上游仓库为准

SKILL.md

@@ -0,0 +1,403 @@
+---
+
+name: decision-mental-models
+description: 将最相关的思维模型（第一性原理、逆向思维、二阶思维、奥卡姆剃刀及其他 16 种）应用于任何问题或决策，通过为每个查询显式匹配并运用 2-3 个模型，揭示不易察觉的洞见。
+version: 1.0.0
+homepage: https://github.com/arbazex/decision-mental-models
+metadata: {"openclaw":{"emoji":"🧠"}}
+
+## 概述
+
+本技能可将任何问题或决策转化为结构化的思维练习。给定用户的情境，智能体从 20 个成熟框架库中选出 2-3 个最相关的思维模型，逐一以推理过程显式运用，并揭示用户仅凭直觉思维难以触及的深层洞见。该技能不提供建议，它揭示结构。
+
+---
+
+## 何时使用本技能
+
+**在以下任一情形触发：**
+
+- 用户提出了一个卡住或不确定如何着手的问题
+- 用户在两个或更多选项之间做决策
+- 用户问"我应该如何思考 X？"或"我遗漏了什么？"
+- 用户描述了一个感觉复杂、不清晰或情绪沉重的情境
+- 用户说"帮我决定"、"你会怎么做"、"我一直在原地打转"或"处理这个问题的最佳方法是什么？"
+- 用户正在计划某事，希望对自己的假设进行压力测试
+- 用户正在解释一次失败，想弄清楚哪里出了错
+
+**在以下情形不要触发：**
+
+- 纯事实查询、定义解释或研究总结的请求，且不涉及决策成分
+- 纯粹的创意写作任务
+- 技术性任务（代码、数据、数学），其中推理框架不会增加价值
+- 无实质问题的闲聊或随意对话
+
+---
+
+## 使用说明
+
+### 第 1 步 — 提取问题
+
+仔细阅读用户消息。识别出：
+- 核心张力或问题（实际涉及的决策或问题是什么？）
+- 领域（职业、商业、人际关系、学习、财务、战略等）
+- 用户是卡在理解、决策还是规划阶段
+- 用户似乎正在不加质疑地接受哪些假设
+
+如果问题过于模糊而无法应用模型，请在继续之前提一个澄清性问题。不要问超过一个问题。
+
+---
+
+### 第 2 步 — 选择 2-3 个思维模型
+
+使用**思维模型库**（第 4 步），识别哪 2-3 个模型在结构上与此特定问题最相关。参考每个模型的"何时应用"列来指导选择。
+
+优先选择能够：
+- 揭示用户当前表述中隐藏的盲点
+- 挑战其思维的默认方向
+- 相互补充而非重复
+
+不要仅仅因为某个模型出名就选择它。选择它是因为它适合。
+
+---
+
+### 第 3 步 — 逐一显式应用每个模型
+
+对于每个选定的模型，按以下结构输出：
+
+```
+### [模型名称]
+**它所问的问题：** [该模型提出的核心问题]
+**应用于你的情境：** [使用用户的具体细节来运用该模型]
+**非显而易见的洞见：** [指出该模型揭示的、直觉思维会遗漏的那一点]
+```
+
+不要泛泛地概括模型。应用部分中的每一句话都必须引用用户的实际情境。
+
+---
+
+### 第 4 步 — 思维模型库
+
+以下是本技能可用的 20 种思维模型。每条包括：它是什么、何时应用、回答的核心问题，以及一个来自现实生活的实例。
+
+---
+
+#### 1. 第一性原理
+**它是什么：** 将问题分解到最基本、经过验证的真理，然后从这些真理向上推理，而非依赖类比或惯例。
+**何时应用：** 当用户似乎在接受继承而来的假设、传统方案显得昂贵或不可用、或者用户试图创新而非改进时。
+**它回答的核心问题：** 我实际知道什么是真正、可证明的事实，而什么只是我的假设？
+**实例：** 埃隆·马斯克问为什么火箭要花费 6500 万美元。行业回答"火箭就是这个价"。第一性原理：原材料成本是多少？约为零售价的 2%。于是他创立 SpaceX，从零制造火箭，将成本降低了一个数量级。
+
+---
+
+#### 2. 逆向思维
+**它是什么：** 不去问"我如何实现 X？"，而是问"什么会确保我在 X 上失败？"然后系统性地避免这些失败条件。
+**何时应用：** 当用户正在计划宏大的事情而忽视了风险、卡在试图强行推动一个正向方案、或者问题涉及避免不良结果时。
+**它回答的核心问题：** 什么会让这件事变得非常糟糕——而我已经在做这些事情了吗？
+**实例：** 查理·芒格不问"我如何积累财富？"他问"哪些行为可靠地摧毁财富？"——投机、债务、嫉妒、短视。持续避免这些行为本身就是策略。
+
+---
+
+#### 3. 二阶思维
+**它是什么：** 超越决策的直接后果。反复追问"然后呢？"以追溯下游效应，以及这些效应的效应。
+**何时应用：** 当用户的计划有一个引人注目的一阶收益、决策影响许多人或复杂系统、或者该领域中过去的"解决方案"已经制造了新问题时。
+**它回答的核心问题：** 在下一步之后，还会发生什么？
+**实例：** 政府降低利率以刺激经济（一阶效应：廉价信贷，更多支出）。二阶效应：资产价格通胀。三阶效应：财富不平等加剧，因为资产持有者获得不成比例的收益。解决方案创造了一个新问题。
+
+---
+
+#### 4. 奥卡姆剃刀
+**它是什么：** 当存在多种解释时，优先选择假设最少的那一个。复杂性在没有被证明必要之前都是负担。
+**何时应用：** 当用户正在构建一个复杂的理论来解释某事、过度思考一个情境、或者在简单与复杂方案之间做选择时。
+**它回答的核心问题：** 我是否在添加没有证据支撑的复杂性？
+**实例：** 某初创公司上月销售额下降了 40%。他们假设：算法变更、竞争对手发布新品、定价错配、季节性波动，以及另外三种理论。奥卡姆剃刀：先检查最简单的解释——是否有一名关键销售代表离职，或一个大客户流失了？通常一个变化就能解释数据。
+
+---
+
+#### 5. 地图并非疆域
+**它是什么：** 你对现实的心智模型始终是一种抽象。每张地图都遗漏了细节。将你对情境的表征误当作情境本身会导致错误。
+**何时应用：** 当用户对自己的理解高度自信、对某事"没有按预期运作"感到惊讶、或者计划是基于理论而非直接观察构建时。
+**它回答的核心问题：** 我的心智模型可能在哪些方面误导我，让我看不清实际发生的事？
+**实例：** 一位经理在纸上设计了一个看起来完美的流程。实际中，员工每次都跳过第 3 步，因为所需的工具在他们的机器上无法运行。地图（流程文档）并非疆域（工作实际如何完成）。
+
+---
+
+#### 6. 能力圈
+**它是什么：** 你有一些领域知识深厚可靠，也有一些领域知识浅薄且是借来的。在能力圈内做出的决策比圈外的更可能成功。
+**何时应用：** 当用户进入一个新领域、信心似乎与实际经验不成比例、或者依赖二手知识来做高风险的决策时。
+**它回答的核心问题：** 我是在自己真正擅长的边界之内还是之外行事？
+**实例：** 沃伦·巴菲特在互联网泡沫期间一贯拒绝投资科技公司，因为这些公司超出了他的能力圈。当其他人追逐 100 倍回报然后血本无归时，他严守边界保住了资本。
+
+---
+
+#### 7. 机会成本
+**它是什么：** 你做出的每个选择都排除了其他选择。任何决策的真实成本都包含你所放弃的最佳替代方案的价值。
+**何时应用：** 当用户孤立地评估一个选项、争论是否应该继续已经开始的某件事、或者时间或注意力是稀缺资源时。
+**它回答的核心问题：** 我选择这个放弃了什么——而这是否比那更值得？
+**实例：** 一位开发人员花了六个月构建一个自定义的内部工具。机会成本：这六个月本可以用于一个创收的产品功能。该工具的成本远远超过了它零许可证费用的价值。
+
+---
+
+#### 8. 沉没成本谬误
+**它是什么：** 已经花费的资源（时间、金钱、精力）无论你下一步做什么都无法收回。它们在前瞻性决策中应该权重为零。为了"不浪费"过去的投入而继续一条糟糕的路径是非理性的。
+**何时应用：** 当用户因为已经投入太多而不愿放弃、说"我已经走了太远不能回头"、或者路径依赖似乎在驱动决策时。
+**它回答的核心问题：** 如果我是今天重新开始，我会选择这条路吗？
+**实例：** 一家初创公司已经花了 200 万美元构建一个没有用户吸引力的产品。团队主张再投 50 万美元来"修复"它，因为"我们现在不能放弃"。正确的问题是：基于我们今天所知，这是 50 万美元的最佳用途吗？那 200 万美元已经无关紧要了。
+
+---
+
+#### 9. 遗憾最小化框架
+**它是什么：** 将自己投射到 80 岁回望。哪个选择会让你更遗憾？在人生的长弧中最小化遗憾，而非当下的不适。
+**何时应用：** 当用户正在做出重大人生或职业决策，被短期恐惧麻痹，安全感与意义感发生冲突，或者他们将求稳描述为默认选择时。
+**它回答的核心问题：** 三十年后，我会希望自己选择了哪一个？
+**实例：** 杰夫·贝索斯在决定是否辞去高薪对冲基金工作去创办亚马逊时问自己：80 岁时，我会后悔没有尝试吗？会。我会后悔尝试然后失败吗？不会。决定已下。
+
+---
+
+#### 10. 汉隆剃刀
+**它是什么：** 能用无知、粗心或无能充分解释的行为，永远不要归咎于恶意。大多数人只是分心和不堪重负，而非在算计你。
+**何时应用：** 当用户将他人的行为解读为敌意或蓄意、团队或关系中存在冲突、或者用户正在围绕恶意意图构建叙事时。
+**它回答的核心问题：** 对这种行为是否存在更简单、不那么恶意的解释？
+**实例：** 一位同事没有回复三封邮件。用户得出结论：自己正在被暗中针对。汉隆剃刀：该同事有 200 封未读邮件，忘记了。在归咎于恶意之前先考虑无能，导向协作式的解决方案，而非不断升级的冲突。
+
+---
+
+#### 11. 反馈回路
+**它是什么：** 系统产生输出，这些输出又反馈回自身输入，要么放大变化（增强回路），要么抑制变化（平衡回路）。识别主导回路可以预测系统的长期行为。
+**何时应用：** 当用户试图创造持久的行为改变、某个情境似乎自我延续、或者小变化要么在累积要么被吸收时。
+**它回答的核心问题：** 这个系统是在加速还是在趋于稳定——是什么在驱动这种动态？
+**实例：** 一款产品获得差评（输出）→ 新用户减少 → 收入降低 → 产品质量投入减少 → 产品更差（输入）→ 更多差评。这是一个增强（死亡螺旋）回路。打破一个环节——比如公开回复评论——就能中断这个循环。
+
+---
+
+#### 12. 概率思维
+**它是什么：** 为结果赋予明确的概率，而不是将不确定性视为二元的（会发生 / 不会发生）。随着新证据的出现更新这些概率。
+**何时应用：** 当用户将一个可能的结果视为必然、一个不太可能的结果视为不可能、在不确定性下做决策、或者将风险描述为"它可能不会发生"时。
+**它回答的核心问题：** 我对每个结果实际估算的概率是多少——而我的行为是否与该概率校准一致？
+**实例：** 一位创始人说"市场不会拒绝这个产品"。概率思维：新产品实现产品-市场匹配的基础概率是多少？大约 10%-20%。鉴于此，我们应该预留多长的跑道？这个数字会改变每一个财务决策。
+
+---
+
+#### 13. 思想实验
+**它是什么：** 在头脑中模拟一个无法在现实中测试的场景——用于压力测试假设、探索影响、或在付诸实施之前揭示隐藏的后果。
+**何时应用：** 当用户面临高风险的不可逆决策、想在不冒现实风险的情况下检验假设、或者试图预测一个计划可能如何失败时。
+**它回答的核心问题：** 如果我在脑海中尽可能诚实地将这个推演下去，会发生什么？
+**实例：** "如果我们降价 30%，会发生什么？"思想实验：竞争对手在 60 天内跟进降价（他们以前就这么做过），利润率崩溃，更低的价格成为新的锚点。现在问题转向了：销量增长是否足以证明永久性薄利润的合理性。
+
+---
+
+#### 14. 帕累托原则（80/20 法则）
+**它是什么：** 大约 80% 的效果来自 20% 的原因。在大多数系统中，投入的分布并不均匀——少数因素驱动了大部分结果。
+**何时应用：** 当用户被选项或任务压垮、资源受限、或者试图在没有清晰框架的情况下进行优先级排序时。
+**它回答的核心问题：** 哪 20% 的投入产生了 80% 的结果——而我的注意力是否集中在那里？
+**实例：** 一位顾问审查客户的收入。前 3 大客户（共 40 个）占了 78% 的收入。每一项运营改进都应将这三家客户的留存和扩展放在首位。其他 37 家并非同等重要。
+
+---
+
+#### 15. 激活能量
+**它是什么：** 每一次行为改变或系统反应都需要一个最小能量输入阈值才能启动。降低该阈值会极大地增加改变发生的可能性。
+**何时应用：** 当用户试图建立新习惯、改变他人行为、推出产品、或消除流程中的摩擦时。
+**它回答的核心问题：** 必须降低的最小障碍是什么，才能让这件事真正发生？
+**实例：** 一个团队希望工程师写文档。将其变成一个在单独工具中的 10 步流程意味着它很少发生。将文档移入同一个 PR 工作流——一个文本字段——就消除了激活能量。完成率提升三倍。
+
+---
+
+#### 16. 达克效应
+**它是什么：** 在某个领域知识有限的人倾向于高估自己的能力，而真正的专家倾向于低估自己。意识到自己处于这条曲线的什么位置是一种校准工具。
+**何时应用：** 当用户在某个领域的学习早期表现出高度自信、对某事"没起作用"感到惊讶、或者忽视专家的谨慎意见时。
+**它回答的核心问题：** 我是否处于"初学者的自信高峰"——而真正的专家会注意到我遗漏了什么？
+**实例：** 一位初次投资者做了三个月的盈利交易，宣称该策略万无一失。真正的专家认识到这只是有利的市场阶段，而非经得起验证的技能。专家的不确定性才是校准后的位置。
+
+---
+
+#### 17. 切斯特顿之栅
+**它是什么：** 在你理解一个规则、流程或结构最初为何存在之前，不要移除或改变它。看起来毫无意义的规则、流程和结构往往编码了已被遗忘的智慧。
+**何时应用：** 当用户想消除一个看似过时或不必要的规则、流程或约束，或者正在重新设计一个继承来的系统时。
+**它回答的核心问题：** 我在拆除它之前是否真正理解它为何存在？
+**实例：** 一位新任工程经理移除了"缓慢的"代码审查流程。两个月内，生产环境缺陷增加了 4 倍。审查流程之所以存在，是因为一个关键系统没有自动化测试覆盖——审查者是最后一道防线。
+
+---
+
+#### 18. 可得性启发（认知偏差意识）
+**它是什么：** 人类大脑会高估容易回忆起的例子。生动、近期或情绪化的事件让人觉得比统计上更可能发生。
+**何时应用：** 当用户的风险评估似乎受到近期戏剧性事件的驱动、从一两个令人难忘的案例中泛化、或者恐惧或兴奋似乎与基础概率不成比例时。
+**它回答的核心问题：** 我高估这个是因为它生动且近期，而不是因为它在统计上很可能？
+**实例：** 一位创始人拒绝融资，因为他们个人认识两位创始人曾被投资者赶出公司。创始人-风投冲突导致被罢免的基础概率很低。他们的恐惧是与轶事而非数据校准的。
+
+---
+
+#### 19. 安全边际
+**它是什么：** 在任何计划中建立明确的缓冲，以应对不确定性、错误和无法预测的事件。缓冲的大小应随决策的重要性和不可逆性而扩大。
+**何时应用：** 当用户的计划只有在一切顺利的情况下才能实现、正在接近临界阈值（财务、物理、时间）、或者失败的后果很严重时。
+**它回答的核心问题：** 如果我错了 20% 会发生什么——而我是否为此留出了余量？
+**实例：** 一位建筑工程师设计承重 10,000 公斤的桥梁，却将其建造到能承受 50,000 公斤。不是因为他们预期那样的负载——而是因为他们无法完美地模拟每一种未来场景。安全边际是对模型终将失效的承认。
+
+---
+
+#### 20. 系统思维
+**它是什么：** 将情境视为一个相互作用的组件网络，行为从关系和反馈中涌现，而非仅仅来自孤立的部分。
+**何时应用：** 当孤立的修复不断制造新问题、在明显反复出现的问题中正在归咎于个人、或者用户正在处理组织或社会复杂性时。
+**它回答的核心问题：** 这个系统的结构是什么——问题是出在部分本身，还是出在它们之间的互动方式？
+**实例：** 一家公司在两年内因"业绩不佳"解雇了第三位销售负责人。系统思维：如果三个不同的人在同一个职位上都失败，那么变量很可能是系统（激励机制、工具、销售区域、产品-市场匹配）——而非个人能力。不改变系统就招第四个人，结果会重演。
+
+---
+
+### 第 5 步 — 综合
+
+在应用 2-3 个模型之后，写一段综合总结：
+- 指出这些模型共同揭示了什么
+- 确定最高杠杆的决策点或行动点
+- 指出用户在做决定之前仍需考虑的任何剩余不确定性
+
+这段总结控制在 100 字以内。它不应重复模型的运用——而应将它们整合起来。
+
+---
+
+### 第 6 步 — 可选的后续跟进
+
+在综合之后，提供以下其中一项（不要两者都提供）：
+
+- 一个跟进问题，如果用户想深入探讨，可以进一步锐化分析
+- 一个可能适用的额外模型的建议，如果用户想探索不同的角度
+
+除非用户要求，否则不要主动提供行动计划、实施建议或情感支持。
+
+---
+
+## 规则与护栏
+
+- **永远不要泛泛地应用模型。** 每一次应用都必须使用用户的具体情境、领域和细节。可以适用于任何人的通用模型解释是一种失败状态。
+- **每次回复不要应用超过 3 个模型。** 更多模型会稀释洞见。深度胜于广度。
+- **永远不要编造例子或统计数据。** 库中的实例均为既定的历史案例。不要为了显得更相关而编造新例子。
+- **永远不要以模型输出为幌子直接给出建议。** 模型揭示结构；用户做决策。不要利用该框架夹带私货式的推荐。
+- **永远不要将本技能应用于需要专业知识的医疗、法律或财务决策。** 你可以应用模型帮助用户思考——但必须明确指出在行动之前需要寻求专业建议。
+- **不要进行道德说教。** 如果用户正在考虑一个你个人觉得有问题的合法行动，则应用所请求的模型，而不对该选择的伦理问题发表评论。该技能是一种思维工具，而非价值观过滤器。
+- **永远不要应用达克效应模型来暗示用户无能。** 将其表述为校准而非批评。
+- **不要堆叠对某个问题基本重复的模型。** 例如，将奥卡姆剃刀和汉隆剃刀应用于同一个人际冲突，两者有很大重叠——选择其中一个，或清楚解释二者的区别。
+
+---
+
+## 输出格式
+
+每次回复按以下结构组织：
+
+```
+## 思维模型分析
+
+**识别的问题：** [一句话说明核心张力或决策]
+**领域：** [职业 / 商业 / 人际关系 / 财务 / 学习 / 战略 / 其他]
+**选定的模型：** [列出 2-3 个模型名称，每个附带一行选择理由]
+
+---
+
+### [模型 1 名称]
+**它所问的问题：** ...
+**应用于你的情境：** ...
+**非显而易见的洞见：** ...
+
+---
+
+### [模型 2 名称]
+**它所问的问题：** ...
+**应用于你的情境：** ...
+**非显而易见的洞见：** ...
+
+---
+
+### [模型 3 名称 — 如果适用]
+**它所问的问题：** ...
+**应用于你的情境：** ...
+**非显而易见的洞见：** ...
+
+---
+
+## 综合
+[一段整合各模型洞见的总结]
+
+---
+[可选的跟进问题或模型建议]
+```
+
+使用纯 Markdown。除非用户明确要求比较输出，否则不要使用表格。不要有子弹墙——在每个部分内使用简短的直述式散文。
+
+---
+
+## 错误处理
+
+**问题过于模糊无法应用模型：**
+→ 问一个澄清性问题："为了应用正确的思维模型，你能告诉我：这件事的核心决策或问题是什么——你实际上想弄清楚什么？"
+→ 在获得实质性问题之前不要继续。
+
+**用户要求应用全部 20 个模型：**
+→ 回复："应用全部 20 个模型会稀释分析。为了给你真正的洞见，我将选出在结构上与你的具体情况最相关的 2-3 个模型——那才是价值的所在。"
+→ 然后按标准选择流程进行。
+
+**用户不同意模型选择：**
+→ 认可他们的观点。问他们认为哪个模型适用及其原因。将其与你最初选择的一个模型一起应用。如果用户没有给出理由，不要放弃你的选择。
+
+**用户提出了需要专业知识（法律、医疗、财务）的问题：**
+→ 应用所请求的思维模型分析，然后补充："注意：上述模型可以锐化你的思考，但在行动之前，该决策需要专业的[法律/医疗/财务]建议。"
+
+**用户询问什么是思维模型或请求解释：**
+→ 简要说明（2-3 句话）什么是思维模型，然后询问他们希望应用模型的问题或决策。
+
+---
+
+## 示例
+
+### 示例 1 — 职业决策
+
+**用户：** "我在现在的公司已经 6 年了。我有一份稳定、收入不错且我并不讨厌的工作。一家初创公司刚刚给了我一个职位，薪酬低 20% 但有股权。我无法决定。"
+
+**智能体选择：** 遗憾最小化、机会成本、二阶思维
+
+**遗憾最小化：**
+它所问的问题：80 岁时，我会希望自己做出了哪个选择？
+应用于你的情境：六年后，如果初创公司失败了，你会后悔尝试过吗？很可能不会——经验和人脉会持续累积。如果你留下来，眼看着初创公司没有你而成功，你会后悔吗？很可能会的。遗憾的不对称性支持跳槽。
+非显而易见的洞见：驱动决策的恐惧是短期收入损失，而非长期遗憾——而这二者是不同的变量。
+
+**机会成本：**
+它所问的问题：我选择这个放弃了什么？
+应用于你的情境：留下来意味着放弃股权升值空间、初创环境的加速成长、以及你在有机会时承担了风险的这个信号。离开意味着放弃稳定、熟悉的文化以及 20% 的即时收入。真正的问题是：哪一个是更难恢复的？
+非显而易见的洞见：收入是可恢复的。而加入你经验级别的早期公司的时间窗口可能不会再打开。
+
+**综合：** 两个模型都指向同一个不对称性——离开的代价（收入）是可恢复的，而留下的代价（机会关闭）更难弥补。剩下的不确定性是该初创公司实现有意义退出的具体概率，这需要对它们的资金跑道、业务进展和团队进行尽职调查——而不是在一般性问题上继续纠结。
+
+---
+
+### 示例 2 — 团队/组织问题
+
+**用户：** "我们的产品团队不断发布客户不用的功能。我们尝试了更好的优先级排序框架，但都没能坚持下来。我们遗漏了什么？"
+
+**智能体选择：** 系统思维、切斯特顿之栅、第一性原理
+
+**系统思维：**
+它所问的问题：产生这种结果的结构是什么？
+应用于你的情境：三种不同的优先级排序框架都失败了。失败不在于框架本身——而在于系统。谁决定什么被优先？那些人受什么激励驱动？如果工程师因交付速度获得奖励、销售因对企业客户的承诺获得奖励，那么"客户影响"作为优先标准每次都会输。
+非显而易见的洞见：再次更换框架不会解决这个问题。激励机制的结构就是系统——而它正在选择错误的结果。
+
+**切斯特顿之栅：**
+它所问的问题：在试图改变当前行为之前，你是否理解它为什么存在？
+应用于你的情境：在消除当前行为之前，问一问：团队为什么一直在发布没人用的功能？是因为他们缺乏客户数据、领导层在最后一刻推翻决策、还是因为"完成"是按上线而非采用率来衡量的？理解模式为何持续会告诉你哪个干预点才真正重要。
+非显而易见的洞见：这里真正的"栅栏"是"发布"的定义。如果发布意味着代码部署，那么本应引导团队纠偏的反馈回路完全缺失。
+
+**综合：** 问题是结构性的，而非方法论的。一个新的优先级框架是地图层面的解决方案，被应用到一个疆域层面的问题上。系统正在奖励"交付"而非"采用"，没有任何框架能在与它矛盾的激励结构下存活。最高杠杆的变革是重新定义成功的衡量方式——从"发布的功能"变为"上线 30 天后仍在被积极使用的功能"。
+
+---
+
+### 示例 3 — 模糊输入
+
+**用户：** "我感觉卡住了。"
+
+**智能体回复：**
+为了在这里应用正确的思维模型，我需要更多信息才能着手。感觉卡住的核心是什么决策或情境——你实际上想弄清楚什么，或者想向前推进什么？
+
+*[智能体在继续之前等待澄清。]*
+---
+
+## 综合
+以上两个模型指向不同的方向：第一性原理建议重新思考定价模式本身（价值定价），而概率思维则警告不要把"按小时收费"当作一个静态的已知量来依赖。综合来看，这意味着你不应该只是更换收费数字——而应该首先确定你的工作创造了什么可衡量的价值，然后围绕那个价值设计定价结构。
+
+---
+
+### 可选跟进
+如果你想深入探讨，我们可以引入**安全边际**模型——如果向价值定价过渡期间客户流失 30%，你的财务缓冲能承受多久？这个数字决定了你能够多激进地转型。

_meta.json

@@ -0,0 +1,11 @@
+{
+  "owner": "arbazex",
+  "slug": "decision-mental-models",
+  "displayName": "Decision Mental Models",
+  "latest": {
+    "version": "0.1.0",
+    "publishedAt": 1774208309439,
+    "commit": "https://github.com/openclaw/skills/commit/e747a67b347ed9de505729b9871d2adc6108690d"
+  },
+  "history": []
+}