决策复盘
把会改变方向或成本的重要选择交进去,它按已确认规则与历史记录判断能否复用,并落一条含理由、置信度与结果的决策日志。
功能与用途
让 AI 自己拍板最容易出的事,是看到「差不多的场景」就照搬以前的结论,而实际上客户、平台、约束或风险已经变了。这套机制把重大选择存成本地记忆:明确哪些属于默认要问人类的高风险分支,复用旧规则时必须问题、关键要素和例外边界都对得上,单凭「用的是同一个框架」不算匹配;反复出现的同类决策只有经人类明确确认后才能升级成默认规则。所有记录都要写清问题、组成要素、所选方案、理由、置信度和结果,事后才能分辨出哪些是好决策、哪些只是运气好。
适用场景
- Agent 在类似场景下自作主张复用了一条旧决策,但这次的客:Agent 在类似场景下自作主张复用了一条旧决策,但这次的客户和约束其实已经变了,需要一套防止盲目复用的机制
- 想让 AI 在架构、供应商、发布路径这类不易回头的选择上默认:想让 AI 在架构、供应商、发布路径这类不易回头的选择上默认先问,而不是先动手再说
- 同一类选择反复出现几十次,想知道什么时候可以把它升级成默认规:同一类选择反复出现几十次,想知道什么时候可以把它升级成默认规则、升级前要经过什么确认
- 出问题时只记得结论是「用某个方案」,却说不出当时的理由和假设:出问题时只记得结论是「用某个方案」,却说不出当时的理由和假设,需要把决策记全以便事后校准判断力
适用人群
- 给 AI Agent 设计自主决策边界的工程师
- 用 Agent 承接长期项目需要留决策痕迹的技术负责人
- 把内部判断规则沉淀成可复用记忆的从业者
使用步骤
- 先把决策改写成一句真正的问题,并说明截止时间;没有截止时间就当场定一个
- 补充会实质影响答案的组成要素:产品面、客户类型、可逆性、预算、时间线、团队规模与长期维护成本
- 让它先读已确认的记忆规则,再取最小的相关域文件,最后查有没有实质相似的历史记录
- 看它的判断是能复用还是必须先问;如果要素有实质变化,就由你决策,决策后让它把答案记进日志
- 在日志里补齐问题、组成要素、所选方案、理由、置信度与结果,方便日后区分好决策和好运气
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- AI工作流
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- 1.0.1
- 最近更新
- 2026-05-11
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Self-learn your decision patterns to safely build its own decision-making over time.
使用前准备
- 需要本地 ~/decide/ 目录与 memory.md、decisions.md、domains/ 三个状态文件(缺失时先走初始化)
- 改工作区路由文件需逐次审批
依赖与权限
- 读取用户主动提供的内容