mcpField
T
thinking-model-enhancer

thinking-model-enhancer

github.com/kirkluokunAgent 工作流6642 次安装32 周前更新
代码仓库

关于 thinking-model-enhancer

这是一套面向 Agent 的结构化思考框架，可选择研究、诊断或通用决策路径，并结合记忆中的经验。它适用于技能创建、故障排查，以及需要分阶段分析和评估置信度的决策。

主要功能

  1. 01通过分阶段流程拆解问题
  2. 02选择研究或诊断思维模式
  3. 03对比记忆中保存的思维模型
  4. 04评估证据及建议置信度
  5. 05为复杂分析组合多种模式
  6. 06记录优化后的模型与经验

适用场景

  1. 01研究并规划新技能或功能
  2. 02诊断配置或性能问题
  3. 03比较复杂决策中的选项
  4. 04依据过往结果优化建议

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/kirkluokun/awesome-a-stock-openclawskills --skill thinking-model-enhancer

安装后在 Claude Code 中输入/thinking-model-enhancer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。

_meta.json
CHANGELOG.md
PUBLISH_GUIDE.md
README.md
UPLOAD_INSTRUCTIONS.md
modules/
__init__.py
advanced_features.py
initialize.py
p2_enhancements.py
p3_optimization.py
thinking_interface.py
thinking_memory.py
thinking_model_core.py
scripts/
thinking_model_processor.py

详细介绍

思维模型增强器

旨在提升决策速度和准确性的高级思维模型。与记忆系统集成，用于比较和整合以往的思维模型，实现持续增强。

使用时机

  • 用户要求提升决策能力时
  • 需要增强型思维模型时
  • 比较和整合思维方法时
  • 优化决策流程时
  • 分析和改进认知框架时

思维模型框架

多阶段认知处理流程
  1. 问题分析：将问题拆解为易于处理的组成部分
  2. 模型选择：根据问题特征选择合适的思维模型
  3. 信息收集：从记忆和外部来源收集相关数据和背景信息
  4. 分析与评估：使用选定的模型处理信息，并进行多角度评估
  5. 综合：将调查结果整合为连贯的认知
  6. 决策制定：生成建议或结论
  7. 记忆整合：存储结果和经验教训，以供日后参考

🎯 特定领域思维模式（摘自技能）

1️⃣ 研究型思维模式（研究型思维模式）

来源：摘自 Advanced Skill Creator 技能（5 步研究流程）

使用时机
  • 创建新技能或功能
  • 全面收集信息
  • 比较和选择解决方案
  • 生成文档
研究流程
  1. 记忆查询：查询记忆，查找过去类似的创建记录
  2. 查阅文档：参考官方文档、指南和参考资料
  3. 公开资料调研：搜索 ClawHub、GitHub 和社区解决方案
  4. 最佳实践：搜索经过验证的模式和安全实践
  5. 方案融合：比较并综合所有来源的信息
  6. 生成输出：生成结构化且有文档说明的结果
研究优先级链
Official Documentation > High-Quality Community Skills > Active Community Solutions > Self-Optimization
输出模板模式
【Final Recommended Solution】
【File Structure Preview】  
【Complete File Content】
2️⃣ 诊断型思维模式（诊断型思维模式）

来源：摘自 System Repair Expert 技能（6 步修复流程）

使用时机
  • 系统故障排查和修复
  • 错误诊断与解决
  • 配置问题
  • 性能问题
诊断流程
  1. 记忆模式匹配：查询历史错误模式，快速分类
  2. 理解问题：全面理解问题的范围和背景
  3. 搜索官方解决方案：查阅官方文档、问题列表和发行说明
  4. 工具／技能匹配：在 ClawdHub 上搜索现有的修复技能
  5. 社区解决方案：在 GitHub 上搜索变通方案和补丁
  6. 最后手段：创建临时修复脚本（仅在其他方法都失败时）
置信度评估系统
置信度等级标准操作
高（>90%）多个来源确认，解决方案经过测试建议立即执行
中（60-90%）单一来源，具有合理的可信度建议先测试再执行
低（<60%）来源不明确，需要进一步调查请求提供更多信息或深入调查
紧急程度分类
  • P0（严重）：服务中断，需要立即采取行动
  • P1（高）：主要功能受损，情况紧急
  • P2（中）：轻微问题，可安排修复
🔄 思维模型反馈循环

思维模型现已通过技能实现形成完整闭环：

┌─────────────────────────────────────────────────────┐
│           Thinking Model Enhancer                    │
│  (Generic Framework + Domain-Specific Modes)         │
│                                                      │
│    ┌──────────────┐    ┌──────────────────────┐    │
│    │ Advanced     │───►│ Research Thinking    │    │
│    │ Skill Creator│    │ Mode (5-step flow)   │    │
│    └──────────────┘    └──────────────────────┘    │
│           ▲                      │                  │
│           │                      ▼                  │
│    ┌──────┴───────┐    ┌──────────────────────┐    │
│    │ System       │◄───│ Diagnostic Thinking  │    │
│    │ Repair Expert│    │ Mode (6-step flow)   │    │
│    └──────────────┘    └──────────────────────┘    │
│                                                      │
│    ┌──────────────────────────────────────────────┐│
│    │           Memory System Integration          ││
│    │   (Store patterns, query history, learn)     ││
│    └──────────────────────────────────────────────┘│
└─────────────────────────────────────────────────────┘

反馈机制：

  1. 技能提取最佳实践 → 丰富思维模型
  2. 思维模型提供框架 → 指导技能执行
  3. 记忆系统存储模式 → 实现持续改进
速度优化策略
  • 并行处理多种方案
  • 提前排除不太可能的选项
  • 利用模式识别快速分类
  • 针对常见场景采用启发式捷径
  • 聚焦于关键因素进行分析
准确性提升技术
  • 多角度评估
  • 证据加权与验证
  • 交叉验证
  • 假设检查流程
  • 置信区间评估
记忆系统集成
  • 查询记忆系统，查找类似的过往决策
  • 将当前方案与历史模型进行比较
  • 识别模式和反复出现的主题
  • 整合以往模型中的成功要素
  • 根据过往决策的结果更新模型
  • 从记忆中检索相关的过往思维模型
  • 将当前方案与存储的模型进行比较
  • 识别各方案的优缺点
  • 存储改进后的模型以供将来使用

思维模型比较算法

输入分析
  • 解析当前问题或决策
  • 识别关键变量和约束条件
  • 确定决策的复杂程度
模型选择指南

根据问题特征选择合适的思维模式：

问题类型推荐模式要检测的关键词
创建新功能／技能研究思维模式"写skill", "创建", "实现功能", "写一个让它"
系统故障排除诊断思维模式"启动失败", "报错", "错误", "修复", "问题"
一般决策通用认知流程不明确时的默认模式
复杂分析多视角评估"分析", "比较", "评估"

自动检测：系统应自动检测关键词，并推荐合适的思维模式。

混合方法：对于复杂问题，结合多种模式：

  • 使用研究模式收集信息
  • 使用诊断模式识别问题
  • 使用通用流程综合得出最终决策
处理阶段
  1. 快速评估：快速进行初步评估
  2. 详细分析：深入审视各个选项
  3. 交叉验证：依据多个标准进行验证
  4. 优化：根据目标进行完善
  5. 整合：与记忆中存储的模型相结合
记忆操作
  • 查询记忆系统，查找类似的过往决策
  • 将当前模型与历史模型进行比较
  • 识别模式和反复出现的主题
  • 整合以往模型中的成功要素
  • 根据过往决策的结果更新模型

实施要求

  1. 按顺序执行思维模型框架
  2. 与记忆系统集成，以实现持续学习
  3. 根据上下文平衡速度与准确性
  4. 记录决策过程，以供将来参考
  5. 将改进后的模型存储在记忆中，以持续改进
  6. 支持根据问题领域进行定制
  7. 支持比较不同的思维方法
  8. 支持对模型进行迭代优化
  9. 支持技能集成：提取并融入技能实现中的最佳实践
  10. 维持反馈循环：确保思维模型与技能之间实现双向学习
  11. 自动检测：自动检测问题类型并推荐合适的思维模式
  12. 置信度记录：对所有建议的置信度进行评级并记录

系统提示词集成

使用此思维模型时，请融入以下系统提示词要素：

"你现在是 OpenClaw（原名 ClawDBot / Moltbot）思维模型专家，负责实施高级思维模型框架，以提升决策能力。运用结构化认知处理流程，同时根据具体情况的要求平衡速度与准确性。借鉴从现实世界最佳实践中提取的领域专用思维模式（用于创建技能的研究思维模式、用于故障排除的诊断思维模式）。通过记忆集成，持续从结果中学习并更新你的方法。"

认知应用指南
  • ✅ 系统地应用多阶段认知处理流程
  • ✅ 根据问题复杂度调整速度与准确性之间的平衡
  • ✅ 利用记忆整合功能，将决策与以往类似决策进行比较
  • ✅ 时间紧迫时采用速度优化策略
  • ✅ 对关键决策采用准确性提升技术
  • ✅ 记录决策过程，以便今后学习
  • ✅ 自动检测问题类型，并应用适当的领域专属思考模式
  • ✅ 从技能中提取经验教训，持续改进思考模型
  • ✅ 保持思考模型与技能实现之间的反馈循环
用于创建技能场景的增强提示词

创建技能时，启用研究思考模式：

“创建技能或功能时，请遵循研究思考模式：1）查询记忆，查找以往类似的创建案例；2）查阅官方文档；3）在 ClawHub/GitHub 上研究公开解决方案；4）比较最佳实践；5）综合并输出结构化解决方案。应用以下输出模板：【最终推荐方案】→【文件结构预览】→【完整文件内容】。”

用于故障排查场景的增强提示词

诊断问题时，启用诊断思考模式：

“排查问题时，请遵循诊断思考模式：1）查询记忆，查找类似错误模式；2）了解问题的完整范围；3）搜索官方解决方案；4）在 ClawdHub 上查找修复技能；5）搜索社区变通方案；6）仅在必要时创建最后手段修复方案。为每项建议评估置信度（高/中/低）。”

评论

支持 Markdown