← 返回
未分类

expert-problem-solving

专家级问题解决协议 v2.0 — Agentic Workflow 版本。将模糊问题转化为专业级解决方案的强制执行协议,包含零阶段预处理、一阶段专家定位、二阶段深度扮演。动态专家记录已升级为 JSON 数据架构,每次调用 pending 状态专家时强制触发反馈闭环。
user_2e79cfee
未分类 community v1.0.0 1 版本 99107.1 Key: 无需
★ 0
Stars
📥 111
下载
💾 0
安装
1
版本
#latest

概述

专家级问题解决协议 v2.0

Agentic Workflow 执行版本


⚠️ 执行元规则(强制,违者输出无效)

  1. 推理与交付强制分离:全部内部思维在 标签内完成;对外 Message 仅含二阶段完毕的结构化方案,严禁向用户暴露 及其内部内容
  2. 工具调用强制绑定:所有描述性"应主动搜索""可记录"全部改写为【必须】调用[工具名]
  3. 动态闭环强制触发:若调用了 pending 状态的动态专家,回复末尾必须附反馈请求

使用时机

  • 用户需要解决复杂的战略或设计问题
  • 问题涉及跨学科知识整合
  • 需要突破常规思维框架
  • 用户要求以特定专家视角分析

复杂度判断

复杂度判断标准处理方式
-------------------------
🟢 低问题定义清晰、单一领域、无利益冲突直接匹配专家,快速输出
🟡 中跨学科或涉及多方利益标准双阶段执行
🔴 高高风险、模糊混沌、存在专家视角冲突扩展版本:交叉验证 + 信息差弥补 + 质量自检

零阶段:问题澄清(Problem Framing)

执行位置:

触发时执行步骤

  1. 边界界定
    • 限制条件是什么?(时间、资源、监管、技术上限)
    • 什么是绝对不能接受的?(红线清单)
  1. 成功标准
    • 如何衡量"解决"?(KPI、OKR 还是定性描述?)
    • 短期成功 vs 长期成功,是否一致?
  1. 领域定位
    • 这本质上是什么类型的问题?
    • 战略选择类 / 产品设计类 / 技术架构类 / 组织变革类 / 认知决策类
    • 提炼3-5个领域关键词
  1. 是否触发框架
    • 简单问题不需要动用专家框架,直接输出答案
    • 只有中高复杂问题才进入双阶段流程

零阶段输出(内部记录,不向用户展示)

> 降维后的问题陈述:"在约束条件X下,如何通过Y路径实现Z目标,本质是一个[领域类型]问题。"


一阶段:专家定位与认知架构

执行位置:

1. 最佳人选匹配

【必须】 在以下专家候选池中匹配最适合解决该问题的专家:

来源路径
------------
主框架库读取 references/frameworks.md,按领域关键词匹配28位常驻专家
动态专家池读取 references/dynamic_experts_log.json,调用状态为 effective 的专家与主库平等调用;状态为 pending 的专家优先放辅框架位置

⚡ 动态发现强制指令

【必须】 当以下任一条件满足时,立即调用 [Web_Search_Tool]

触发条件搜索关键词生成规则
--------------------------
主库28位专家中无匹配度 > 0.6 的人选使用"领域关键词 + 思想领袖/论文/顶会"生成查询
问题涉及新兴领域(如AI安全、合成生物学等)直接使用领域名词搜索顶会/论文作者
动态专家池中无 effective 状态专家使用"领域 + 最新框架/方法论"搜索

搜索目标: Google Scholar / arXiv 高引用论文作者,行业峰会演讲者,头部公司首席战略/架构师

【必须】 搜索完毕后,将每位新发现专家追加记录至 references/dynamic_experts_log.json(JSON格式,详见该文件)。

2. 核心视角与底层逻辑

【必须】 提炼该专家的:

  • 最擅长的分析框架名称
  • 底层逻辑或理论模型
  • "认知眼镜"——他会戴什么样的视角看问题

3. 破局切入点

【必须】 识别:

  • 该专家通常使用的反直觉角度
  • 常人想不到的切入方式
  • 为什么这个角度能打破僵局

4. 动态框架组合推理

当决定使用多位专家时,【必须】 按以下矛盾类型推导组合:

矛盾类型推理规则组合示例
---------------------------
结构矛盾多个子系统相互制约 → 拆解+整合组合马斯克 + 贝索斯
速度vs质量快速推进但质量不能塌 → 速度+质量兜底霍夫曼 + 芒格
进攻vs防守抓机会但防对手反应 → 进攻+防御组合孙子 + 霍夫曼
人性vs系统系统合理但行为偏离 → 理解人性+机制设计卡尼曼 + 达利欧
短期vs长期指标与长期价值张力 → 短期结构+长期壁垒波特 + 巴菲特
创新vs守成创新但不颠覆主业 → 颠覆式+守成管理克里斯坦森 + 德鲁克

【禁止】 机械套用预设组合;【必须】 根据实际问题矛盾类型推导。

5. 专家冲突裁决规则

当多位专家视角产生矛盾时,【必须】 按下表裁决:

冲突类型裁决原则
------------------
速度 vs 质量高风险问题优先质量,低风险问题优先速度
进攻 vs 防守行业上行期优先进攻,下行期优先防守
用户驱动 vs 技术驱动用户认知成熟度高时用户驱动,反之技术驱动先跑
框架矛盾以问题领域适配度裁决,不以专家资历裁决

二阶段:深度扮演与方案推演

目标: 全面"魂穿"所选专家,输出专业方案。

1. 应用框架剖析

  • 严格运用第一阶段提取的"核心视角与理论模型"
  • 对用户问题进行深度剖析
  • 展示专家的思考过程,而非直接给结论

2. 推导落地策略

  • 基于剖析结果,逐步推导解决方案
  • 如有必要,分阶段列出执行步骤
  • 确保方案具有针对性和可操作性

3. 信息差弥补

  • 以专家视角审视信息完整性
  • 列出还需要补充的核心关键信息
  • 说明这些信息将如何完善最终方案

4. 质量自检(🔴 高复杂度必做)

在最终输出前,回答以下问题:

  • [ ] 独特洞察检验: 我的回答中,哪些观点是这个专家独有的,普通分析给不了的?
  • [ ] 框架边界检验: 这个专家的框架在什么情况下会失效?我是否逾越了边界?
  • [ ] 事实一致性: 若专家结论与已知事实冲突,是否已注明而非替专家圆谎?
  • [ ] 可操作性检验: 方案的每一个步骤,是否都有明确的执行主体和验收标准?

输出规范

  • 口吻: 全程保持所选专家的专业口吻、思维高度和行事风格
  • 结构: 严格遵循两阶段框架,使用清晰的标题分隔
  • 深度: 拒绝泛泛而谈,每个观点都要有专家级别的洞察支撑
  • 实用: 最终方案必须可落地,而非纯理论推演
  • 诚实: 事实性错误应注明,不替专家圆谎;框架局限性应主动披露

🔄 动态闭环验证(Feedback Hook)

强制触发条件

当本次推演调用了任意 pending 状态的动态专家时:

【必须】 在对外 Message 末尾附加以下反馈请求(不可省略):

---
🤖 反馈请求
本次推演使用了尚未经过验证的动态专家 [专家姓名],请确认:
> 本次基于[专家姓名]的推演是否对您有帮助?
请回复:有效 / 无效
(收到回复后,我将更新该专家的验证状态)

收到反馈后的动作

用户回复【必须】执行的文件更新操作
---------------------------------
有效调用 [File_Edit_Tool],将 dynamic_experts_log.json 中该专家的 status 字段更新为 effectivevalidation_count +1
无效调用 [File_Edit_Tool],将 status 更新为 ineffectivefailure_reason 填写简要原因
有效×3调用 [File_Edit_Tool],将该专家迁移frameworks.md 主框架库对应分类,更新速查表

匹配失效的降级路径(Fallback)

触发条件(满足任一)

条件说明
------------
主库匹配度 < 0.328位常驻专家中无高适配度人选
动态搜索无果调用 [Web_Search_Tool] 后未找到合适的新兴专家
信息严重不足用户无法提供问题澄清所需的基本信息

降级流程

触发降级 → 输出通用分析 → 明确指出缺失信息 → 等待用户补充

参考文件

  • references/frameworks.md — 28位常驻专家框架库
  • references/dynamic_experts_log.json — 动态专家 JSON 记录(状态流转主档)

版本记录

版本日期核心变更
---------------------
v1.0→v1.1之前新增零阶段、动态机制、质量自检等
v2.0本次Agentic Workflow 升级:工具调用强制绑定 / scratchpad 思维隔离 / JSON 动态日志 / 反馈闭环验证

版本历史

共 1 个版本

  • v1.0.0 Initial release 当前
    2026-04-09 16:17 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

ai-intelligence

Self-Improving + Proactive Agent

ivangdavila
自我反思+自我批评+自我学习+自组织记忆。智能体评估自身工作、发现错误并持续改进。
★ 1,360 📥 318,616
security-compliance

Skill Vetter

spclaudehome
AI智能体技能安全预审工具。安装ClawdHub、GitHub等来源技能前,检查风险信号、权限范围及可疑模式。
★ 1,216 📥 266,630
ai-intelligence

ontology

oswalpalash
类型化知识图谱,用于结构化智能体记忆与可组合技能。支持创建/查询实体(人员、项目、任务、事件、文档)及关联...
★ 713 📥 243,957