mcpField
N
negative-contrastive-framing

negative-contrastive-framing

github.com/lyndonkl生产力18782 次安装9 周前更新
代码仓库

关于 negative-contrastive-framing

negative-contrastive-framing 是一种通过正面定义、反例和边界案例来澄清模糊标准的框架,适用于教学、决策和质量控制。它强调分析近似正确的案例,并将对比转化为可执行的判断规则。

主要功能

  1. 01明确正面概念及其含糊之处
  2. 02整理反目标与失败模式
  3. 03分析近似案例和边界情况
  4. 04把对比转化为通过或失败标准
  5. 05用检查表验证框架质量

适用场景

  1. 01用近似错误案例解释概念边界
  2. 02为决策建立清晰的排除标准
  3. 03识别质量检查中容易漏过的缺陷

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/lyndonkl/claude --skill negative-contrastive-framing

安装后在 Claude Code 中输入/negative-contrastive-framing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。

resources/
methodology.md
template.md
resources/evaluators/
rubric_negative_contrastive_framing.json

详细介绍

负面对比框架

工作流

复制此清单并跟踪进度:

Negative Contrastive Framing Progress:
- [ ] Step 1: Define positive concept
- [ ] Step 2: Identify negative examples
- [ ] Step 3: Analyze contrasts
- [ ] Step 4: Validate quality
- [ ] Step 5: Deliver framework

步骤 1:定义正面概念

先给出初步的正面定义,指出它为何含糊或模糊(存在多种解读、边界情况不明确),并明确目的(教学、决策、质量控制)。典型应用请参阅常见模式。

步骤 2:识别负面示例

对于反模式明确的简单情况 → 使用 resources/template.md 来构建反面目标、近似错误示例和失败模式。对于边界细微的复杂情况 → 学习 resources/methodology.md 中的技巧,例如对比矩阵和边界映射。

步骤 3:分析对比

创建 negative-contrastive-framing.md,包含:正面定义、3-5 个反面目标、5-10 个附带解释的近似错误示例、常见失败模式、清晰的决策标准(“通过条件……”/“失败条件……”)以及边界情况。确保对比揭示标准背后的原因。

步骤 4:验证质量

使用 resources/evaluators/rubric_negative_contrastive_framing.json 进行自我评估。检查:负面示例覆盖边界范围,近似错误示例确实难以判断,对比比单独的正面定义更能阐明标准,失败模式是可执行的防护措施。最低标准:平均分 ≥ 3.5。

步骤 5:交付框架

呈现完成的框架:通过负面示例进一步明确正面定义,突出最有启发性的近似错误示例,将决策标准转化为可操作的清单,并指出需要预防的常见错误。

常见模式

按领域划分

工程(代码质量):

  • 正面示例:“易于维护的代码”
  • 负面示例:上帝对象、紧密耦合、命名不清、魔法数字、吞掉异常
  • 近似错误示例:注释完善但结构混乱的代码(有文档却没有结构)

设计(UX):

  • 正面示例:“直观的界面”
  • 负面示例:隐藏的操作、不一致的模式、晦涩的错误消息
  • 近似错误示例:美观却难以使用(形式重于功能)

沟通(清晰写作):

  • 正面示例:“清晰的文档”
  • 负面示例:充斥行话、假设读者了解上下文、没有示例、使用被动语态
  • 近似错误示例:技术上准确,但目标读者无法理解

策略(市场定位):

  • 正面示例:“高端品牌”
  • 负面示例:价格过高却没有差异化、徒有奢华形象而缺乏实质
  • 近似错误示例:价格高,却没有相匹配的服务质量
按应用场景划分

教学:

  • 展示学生常犯的错误
  • 提供揭示误解的近似错误解法
  • 识别“看似正确,实则错误”的模式

决策标准:

  • 定义淘汰条件(自动拒绝标准)
  • 展示几乎达标的边界情况
  • 明确含糊的中间地带

质量控制:

  • 识别需要避免的反模式
  • 展示可能逃过检查的细微缺陷
  • 明确清晰的通过/失败边界

防护原则

近似错误示例的选择:

  • 近似错误示例必须与正面示例确实接近
  • 应揭示具体哪个维度不符合要求(而非整体都很糟糕)
  • 避免显而易见的失败——聚焦于细微差异

对比质量:

  • 解释每个负面示例为何不合格
  • 指出违反标准的维度
  • 让对比具有启发性,而不只是罗列

完整性:

  • 覆盖关键维度上的各种失败模式
  • 不要挑选有利示例——也要纳入难以分类的情况
  • 展示从明确通过到明确失败的完整范围

可操作性:

  • 将洞见转化为决策规则
  • 提供防护措施/检查项以预防失败
  • 让标准具备可操作的可测试性

避免:

  • 稻草人式负面示例(不切实际地糟糕)
  • 没有解释的负面示例(说明哪里错了以及原因)
  • 缺少“难以判断”的地带(所有示例都明确通过或失败)

快速参考

资源:

  • resources/template.md - 用于反目标、近似案例和失败模式的结构化格式
  • resources/methodology.md - 高级技巧(对比矩阵、边界映射、失败分类法)
  • resources/evaluators/rubric_negative_contrastive_framing.json - 质量标准

输出: negative-contrastive-framing.md,包含正向定义、反目标、带分析的近似案例、失败模式和决策标准

成功标准:

  • 负面示例覆盖边界空间(而不只是极端情况)
  • 近似案例是有启发性的临界案例
  • 对比能澄清模糊的标准
  • 失败模式是可执行的防范措施
  • 决策标准已具体化
  • 评分 ≥ 3.5

快速决策:

  • 反模式是否明确? → 仅使用模板
  • 边界是否微妙? → 使用方法论来制作对比矩阵
  • 是否用于教学? → 着重展示揭示误解的近似案例
  • 是否用于质量控制? → 聚焦失败模式分类法

常见错误:

  1. 只展示极端负面案例(缺少有启发性的近似案例)
  2. 只有列表,没有分析(未解释示例为何失败)
  3. 只挑选简单案例(回避棘手的边界判断)
  4. 稻草人式负面案例(糟糕得不切实际)
  5. 未具体化(即使有对比,标准仍然模糊)

关键见解: 当负面示例几乎是正面示例时,它们最有价值——这些临界案例会迫使人们阐明仅凭正向定义无法看出的微妙标准。

评论

支持 Markdown