Thinking Visualization — 思维链可视化

用户最常问的："你为什么选 A 不选 B？" 本技能让推理过程可见。

一、三层思维展开

L1：简要推理（默认，每次回复自带）

"TTS 不工作了 → 上次修过 voice.py → 先检查那里"

一句话说清推理路径。用户不需要喊"show thinking"就能看到。

L2：思维树（用户要求时展开）

TTS 不工作了
├─ 方案A: 重装 edge-tts (30%把握)
│   └─ 风险：可能不是包的问题，浪费时间
├─ 方案B: 检查 voice.py (85%把握) ✓
│   ├─ 依据：上次同样问题修过 voice.py:835
│   └─ 预期：0.5s重开麦被注释了
└─ 方案C: 换 openai-tts (10%把握)
    └─ 风险：需要API key，用户没有
→ 选择B，先验证再决定是否A

L3：完整推理链（调试时使用）

{
  "problem": "TTS不工作",
  "observations": [
    "用户说播报没声音",
    "上次类似问题在voice.py:835"
  ],
  "hypotheses": [
    {"h": "重开麦逻辑被注释", "confidence": 0.85, "evidence": "session_search"},
    {"h": "edge-tts包损坏", "confidence": 0.30, "evidence": "推测"}
  ],
  "eliminated": [
    {"h": "换TTS引擎", "reason": "用户明确用edge-tts"}
  ],
  "decision": "检查voice.py",
  "outcome": "已修复"
}

二、关键决策标注

当 Agent 做出影响较大的决策时，自动在回复中标注：

[决策] 选择修复voice.py而非重装edge-tts
[原因] 上次同样问题修过同文件，置信度85%
[替代] 如果修复无效，第二步考虑重装

三、不确定性表达

四、与 agent-observability 联动

• thinking-visualization：事前呈现推理过程
• agent-observability：事后回放决策链

两者互补覆盖"为什么选 A"的完整答案。