mcpField
A
atomise

atomise

github.com/0xdarkmatterAgent 工作流7852 次安装2 周前更新
代码仓库

关于 atomise

将复杂问题拆解为可验证推理步骤的 Agent 技能，跟踪启发式置信度并在置信度降低时回溯。适用于安全分析、架构决策和复杂调试，不适合简单查询。

主要功能

  1. 01将问题拆解为原子步骤
  2. 02验证假设
  3. 03启发式置信度跟踪
  4. 04置信度降低时回溯
  5. 05轻量、标准和深入模式

适用场景

  1. 01分析安全问题
  2. 02评估架构决策
  3. 03调试复杂行为
  4. 04检查多步骤证明

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/0xdarkmatter/claude-mods --skill atomise

安装后在 Claude Code 中输入/atomise确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

assets/
.gitkeep
references/
.gitkeep
scripts/
.gitkeep

详细介绍

Atomise - 思维原子推理

将复杂问题分解为最小、可验证的“思维原子”。与链式思维（线性且错误会不断累积）不同，AoT 将每个步骤视为可独立验证的单元，并在置信度下降时回溯。

适用于： 安全分析、架构决策、复杂调试、多步骤证明。
不适用于： 简单问题、琐碎计算、信息查询。

/atomise "<problem>" [--light | --deep] [--math | --code | --security | --design]

核心循环

1. DECOMPOSE -> Break into atomic subquestions (1-2 sentences each)
2. SOLVE     -> Answer leaf nodes first, propagate up
3. VERIFY    -> Test each hypothesis (counterexample, consistency, domain check)
4. CONTRACT  -> Summarize verified state in 2 sentences (drop history)
5. EVALUATE  -> Confident enough? Done. Too uncertain? Backtrack and try another path.

重复此过程，直到有足够把握，或所有路径都已穷尽。

原子

每个原子都是最小单元：

{id, type, content, depends_on[], confidence, verified}
类型用途初始置信度
premise已知事实1.0
reasoning逻辑推理继承自父节点
hypothesis待测试的主张验证前最高为 0.7
verification测试结果根据测试结果确定
conclusion最终答案沿推理链传递

置信度传递： 子节点的置信度不能高于其置信度最低的父节点。

置信度（诚实说明）

这些数值是启发式指标，并非经过校准的概率。它们适合用于追踪相对确定性，但不适合实际风险评估。

阈值含义
> 0.85足以得出结论
0.6 - 0.85需要进一步验证
< 0.6继续分解或回溯
< 0.5回溯——此路径行不通

验证会调整置信度：

  • 确认 -> 保持置信度或略微提高
  • 部分确认 -> 降低约 15%
  • 驳斥 -> 大幅降低，很可能需要回溯

模式

深度：

  • --light - 快速：最多 3 层，置信度阈值为 0.70
  • (默认) - 标准：最多 5 层，阈值为 0.85
  • --deep - 穷尽：最多 7 层，阈值为 0.90

领域（调整验证方式）：

  • --math - 算术检查、证明验证、边界测试
  • --code - 类型检查、不变量验证、测试生成
  • --security - 威胁建模、攻击面分析、对抗性思考
  • --design - 权衡分析、约束满足、可行性分析

输出

ANSWER: {result}
CONFIDENCE: {0.0-1.0} - {why}

KEY CHAIN: P1 -> R1 -> H1 -> V1 -> C1

ATOMS:
| id | type | content | conf | verified |
|----|------|---------|------|----------|
| P1 | premise | Given: ... | 1.0 | Y |
| R1 | reasoning | Therefore: ... | 0.95 | Y |
| ... | ... | ... | ... | ... |

RISKS: {what could change this}

添加 --verbose 以输出完整过程，添加 --quiet 以仅输出答案。

执行指南

阶段 0：准备
  1. 重述：用一句话重述问题
  2. 提取前提：将其作为原子（已知事实 = 1.0，假设 = 0.6）
  3. 概述方案： 直接求解？分解？重新表述？选择最佳方案。
阶段 1+：迭代
  1. 原子性门槛： 能否根据已验证的原子作答？能 -> 求解。不能 -> 分解。
  2. 分解： 构建原子子问题的依赖树
  3. 求解 + 验证： 从叶节点开始，逐层向上传递。每个假设都需要验证。
  4. 收缩： 用不超过 2 句话总结。删除其余内容。
  5. 评估：
    • 有把握？ -> 结束
    • 不确定但可行？ -> 继续
    • 置信度低？ -> 回溯，尝试其他方案
回溯

当某条路径在验证后置信度低于 0.5 时：

  1. 剪除该分支
  2. 恢复到最近一次收缩后的状态
  3. 尝试初始方案中其他路径

示例

# Complex debugging
/atomise "Why does this function return null on the second call?" --code

# Security review
/atomise "Is this authentication flow vulnerable to session fixation?" --security

# Architecture decision
/atomise "Should we use event sourcing for this domain?" --deep --design

# Quick decision (light mode)
/atomise "Redis vs Memcached for this cache layer?" --light

反模式

BAD:  /atomise "What's 2+2?"           -> Just answer it
BAD:  /atomise "Rewrite this function" -> That's implementation, not reasoning
BAD:  Forcing conclusion despite low confidence -> Let it backtrack
GOOD: /atomise for genuine uncertainty requiring structured decomposition

请记住

  1. 原子 = 最小单元。 每个原子用 1-2 句话表达。
  2. 验证一切。 假设需要测试。
  3. 积极收缩。 只保留下一步所需内容。
  4. 自由回溯。 置信度低就尝试其他路径。
  5. 置信度是启发式指标。 适合构建结构，不代表实际概率。

评论

支持 Markdown