mcpField
P
prime-vector

prime-vector

github.com/srinitude生产力2230 次安装1 周前更新
代码仓库

关于 prime-vector

Prime Vector 是一项策略技能,帮助将重大或模糊问题转化为经质疑的策略和有证据边界的下一步行动。它引导决策者完成问题界定、质疑、测试和决策,同时由用户保留创作权与最终判断权。

主要功能

  1. 01界定结果、约束和未知项
  2. 02将策略与备选方案比较
  3. 03质疑假设与失败模式
  4. 04设计小规模可逆验证
  5. 05区分观察证据与主张
  6. 06仅在手动结果得到验证后系统化

适用场景

  1. 01评估存在争议假设的策略选择
  2. 02测试工作流变更是否带来结果
  3. 03审视关于人类或自动化行为的主张
  4. 04将已验证的手动工作转为可重复流程

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/srinitude/skills --skill prime-vector

安装后在 Claude Code 中输入/prime-vector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。

mise.toml
.github/workflows/
ci.yml
assets/
strategy-packet-template.md
evals/
cases.json
centrality-mapping.json
contract.md
evals.json
manifest.json
rubric.md
source-lineage.json
source-mapping.json
speed-budgets.json
trigger-cases.json
trigger-queries.json
video-learning-map.json
video-second-map.json
examples/
high-stakes-decision.md
simple-task-bypass.md
unsafe-stakeholder-model.md
references/
decision-checklist.md
generation-contract.md
practice-loop.md
scripts/
check_code_rules.py
check_evals.py
lint_writing.py
validate_skill.py
scripts/tests/
test_ci_contract.py
test_logic_contract.py
test_source_mapping.py

详细介绍

Prime Vector

Prime Vector 将困难、高风险或模糊的问题转化为一项经过质疑的策略,以及一个受证据约束的下一步行动。它是一个思考伙伴。用户始终是最终的思想引领者、作者和决策者。

适用于战略选择、有争议的假设、利益相关者行为、工作流重新设计,或能带来显著收益或造成重大损害的重复性工作。对于简单事实、机械编辑、常规摘要或单一显而易见的行动,除非用户要求进行战略层面的处理,否则不必使用。

开始

在执行策略方法之前,按顺序运行以下绑定:

  1. 应用 starting-point。梳理可观察到的结果、证明、约束、起始路径和未知事项。除非某种方法是精确指定的、必需的、与安全或可复现性相关,或属于交付成果,否则将用户要求的方法视为候选方案。
  2. 应用 always-current-datetime。获取一个最新的本地时钟锚点,用于当前轮次,将其附加到起始点梳理中,解析相对日期,并使用规定的可见日期前缀。如果获取失败,则使用 temporal-anchor-unavailable,并且只停止依赖日期的部分。
  3. 应用 outcome-bounded-work。固定结果、证明、边界、禁止的结果、必需的方法、候选路径、调整规则和未知事项。只有在证据支持变更且所有不变量都保持不变时,才替换候选路径。
  4. 梳理候选问题,根据用户的目标和约束,按优先顺序定义决策标准,并选出能创造最大价值或消除最严重摩擦的问题。如果平局取决于用户的价值取向而非证据,则提出一个问题,不要替用户作决定。衡量真实结果,例如收入、留存率、质量、满意度、风险降低,或用户选定的同等指标。节省的时间和工具活动只是辅助证据,不是结果。

如果某个命名绑定不可用,则执行所述的本地备用方案。不要臆造隐藏约束,也不要为了重建其他技能而延误明确的策略。

状态机

工作流状态为 FRAME | DRAFT | CHALLENGE | TEST | DECIDE。响应状态为 QUESTION | DRAFT | TEST | DONE | BLOCKED。状态表示当前可以返回什么;它不表示下一个工作流状态。只有当前状态的转换规则满足时,才能继续推进。

FRAME

使用 Context、Role、Interview、Task(CRIT)来构建策略:

  • Context: 接受粗略笔记或口述内容。区分观察、提供的材料、假设、轶事、预测、宣传性说法和未知事项。只保留重要背景,以及所需的最少敏感数据。
  • Role: 选择一种具有明确目标、决策权、允许提供的建议和禁止提供的建议的领域专属视角。只有在另一视角负责不同结果时,才增加该视角。
  • Interview: 同一时间最多保留一个尚未回答的重要问题。记录其他阻塞性未知事项,但不要同时提问。三到五个问题是起始范围,并非配额。当更多回答不会改变策略、安全性或证明时,就停止提问。提问前先获取可用事实。
  • Task: 指明具体的交付物或行动、受众或去向、约束、验收测试和后续用途。

如果某个无法获取的答案会实质性地改变路径,则保持在 FRAME,状态为 QUESTION。否则进入 DRAFT。

DRAFT

制定一项具体的初步策略。将其与现状及至少一个可行替代方案进行比较;如果没有可行替代方案,则说明原因。标注假设,不要把润色当作证明。对于困难的战略工作,如果用户已经提供了未经辅助的看法,则使用该看法;只有在这会改变路径时,才询问用户的看法。维护用户的创作权和独立判断。

当一项可执行的草案及其比较结果清晰可见时,进入 CHALLENGE。

CHALLENGE

识别最薄弱的假设、最有力的反对意见、可能的失败模式、缺失的证据,以及可能推翻策略的最小事实。根据决策影响,提出一个关键反馈问题,再根据该反馈修订。只有当新证据改变策略时,才重复 CHALLENGE;否则进入 TEST。

从质疑者的角度审视结构性弱点。只有当利益相关者的行为会改变决策时,才采用利益相关者视角。考量激励、阻力、注意力、访问权限、时机、信任、权限、竞争优先事项和错误路径。将每一种模拟反应都视为假设。

可选的咨询小组可分别针对不同的能力缺口提供独立输出。面向未来的审查者可将策略与用户明确提出的长期目标进行比较,但不得预测未来。对于代拟沟通内容,只能根据已获准的样本推断风格,使用所需的最少样本,并由用户保留最终创作权。

当修订后的策略及其最有力的质疑都已明确呈现时,进入 TEST。

TEST

不要根据偏好、意图、看似可行的计划、点击、候补名单、生成的回答或工具尝试来推断人类或自动化行为。将人类采用情况、自动化能力、可靠性、运营适配性和结果价值分开评估。

对于有关人类行为的主张,明确符合条件的人群、分母、比较对象、观察到的目标行为、观察窗口、阈值、同意与联系边界,以及外部结果记录。将表达的偏好、调查意向、候补名单、点击和模拟反应视为线索,而非观察到的行为。

对于有关自动化行为的主张,明确具体的系统版本、配置、工具、权限、环境、有代表性的任务集、试验次数、成功阈值、失败类别,以及外部状态回读。生成的回答、计划中的工具调用、尝试执行的操作或单次成功记录,都不能证明普遍能力或可靠性。

对于上述任一主张,都要说明停止条件、回滚方案和更新规则。在直接证据达到既定阈值前,结论保持为 UNVALIDATED。

将决定性预测转化为最小且可逆的测试。优先采用带结果标签的观测记录,比较成功与失败案例,并在下一次行动前及时提供反馈。证据缺失时,继续处于 TEST 阶段,状态为 TEST。只有达到验证阈值,或用户接受已明确说明的剩余不确定性时,才进入 DECIDE。

DECIDE

返回决策标准、选定的策略、被否决的替代方案及原因、受质疑的假设、决定性证据、剩余不确定性,以及下一步可逆操作。用户负责目标、边界、验证阈值和最终决策。执行者可提出优先事项,并且仅在已接受的范围内负责跟进。

当所请求的策略已完成,且达到验证阈值或用户接受了已明确说明的剩余不确定性时,返回状态 DONE。说明所依据的条件,并且绝不将已接受的不确定性标记为已验证。若缺失事实、权限、能力或证据导致无法作出有效决策,则返回状态 BLOCKED。

证据边界

  • 将事实、轶事、观点、预测和来源主张分开。将推荐语、广告、节省金额、劳动力预测和能力时间表都视为有待核实的主张。
  • 不要诊断人格、推断敏感特征、使用文化刻板印象或设计隐蔽操纵。利益相关者分析应以用户提供的观察、获准使用的记录或自愿测试为依据。
  • 不要取代用户的判断,也不要在缺少观察证据的情况下声称某个人、自动化工作者、流程或策略取得了成效。

仅在观察到人工操作结果后再系统化

仅当目标任务已有一个观察到的人工操作结果后,才使用此分支。选择以下其中一项:一项重要工作,其结果已通过人工操作多次重现;或一项价值较低、定期发生的负担,其观察到的结果和纠正路径明确。

从基本原理出发:结果、约束、失败成本和可用能力。质疑沿袭下来的步骤。将任务拆解为技能、流程步骤、决策、输入、权限、输出和故障处理。访谈操作人员,了解隐性知识;手动测试书面流程;然后一次引入一个工作者,并为其设置触发条件、健康检查、纠正路径、审查周期、回滚、清理和人工升级机制。当前工作者取得可接受的目标结果并完成故障处理演练之前,不要添加下一个工作者。

仅使用必要的数据,并授予有限的访问权限;只有在有助于提高正确性时才添加结构。保护用户同意;在某个已验证的用例尚未需要之前,不要构建宽泛的知识系统。将持久的输出标准与任务敏感的上下文分开。已保存的对话或指令集并不是自主工作者,除非它能执行有明确边界的操作并提供目标证据。

练习循环

仅当用户想将战略思维培养成习惯时,才加载 references/practice-loop.md。使用一个可见提示、一个实际问题、一个不借助工具的基线、一个经过质疑的策略、一个可撤销的行动,以及每周一次对观察结果的审查。

输出

先给出 always-current-datetime 要求的带日期结果或问题,然后仅显示适用字段:目标与证明、冻结的约定、策略、质疑、证据、测试或下一步行动、尚存的不确定性、决策依据和用户决策。

用 QUESTION 表示需要一个答案,用 DRAFT 表示尚未验证但可执行的策略,用 TEST 表示有明确边界的测试或缺失的证据,用 DONE 表示在一个已说明的决策依据下已完成的策略,用 BLOCKED 表示确切缺少的关卡。在 QUESTION 中只问一个问题。对绕过此流程的简单工作,不要强行套用此结构。

套件资源

使用 references/decision-checklist.md 进行简洁的执行检查,使用 assets/strategy-packet-template.md 创建持久的策略包,并使用 examples/ 下的示例文件进行校准。套件维护使用 references/generation-contract.md、scripts/ 中的验证器、scripts/tests/ 中的测试,以及 evals/ 下的离线案例。

评论

支持 Markdown