steelman-choice
Skill100 starsChanged 9 days agoMITView on GitHub
钢人抉择(Steelman Choice):当两个(或少数几个)方案/选项都讲得通、在犹豫选哪个时,先把每一边重建到它最强、最难被反驳的样子再做决断。理论基础是善意原则(Principle of Charity)与钢人论证(Steelman Argument,稻草人论证的反面)。触发:「A 和 B 选哪个」「两边都有道理」「帮我把两边都说到最强再决定」「我纠结/犹豫这两个方案」「别着急站队,先替我把反方想透」「先重构还是继续堆功能」「X vs Y 我拍不了板,先把两边想透」。不适用:只有一个方案要找根本新解(走 first-principles 类方法)、给单个想法打分(走 opportunity-scorecard)、核查某条说法真伪(走 claim-check)、事实不足需要检索(先走 outside-view)、读整篇文章的论证质量(走 argument-reading)、让 AI 替用户拍板(本技能只结构化决策,决定权在用户)、只有一个选项无所谓抉择。
1 other project uses a version of this.
Adopted by
Most recently taken up by
- Job-Yang/jobyang-ai-skillsword for word, first seen Nov 8, 2026
Other versions1 project uses a version of this.
Word for word · 1
- Job-Yang/jobyang-ai-skills★ 100100% same
Edited · 0
None found.
Wrote their own version · 0
None found.
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
In this repository25 other files it gives its agents.
- ai-briefingSkill
- argument-readingSkill
- claim-checkSkill
- content-infographicSkill
- cuihuoSkill
- engineering-docsSkill
- feynman-explainerSkill
- haohao-evalSkill
- haohao-shuohuaSkill
- me-contextSkill
- minimum-experimentSkill
- opportunity-radarSkill
- opportunity-scorecardSkill
- outside-viewSkill
- png-compressSkill
- product-briefSkill
- reverse-teardownSkill
- root-rethinkSkill
- sansi-erhouxingSkill
- skill-library-keeperSkill
- style-compassSkill
- talk-smithSkill
- tangshan-styleSkill
- vddSkill
- video-readerSkill
The file
Files
钢人抉择 · 先把两边立到最强,再决定
一句话理论:批评或放弃一个选项前,先把它重建到它最强、最合理、最难被反驳的版本(钢人),而不是攻击它最弱的版本(稻草人)。 出自论证伦理的善意原则(Principle of Charity)与钢人论证(Steelman Argument)。
它解决什么:人在两个都说得通的选项前犹豫,常见假动作是——把倾向方的优点和反方的弱点摆在一起,自以为权衡过了(确认偏误);或两边各说一句好处就凭感觉选。本技能强制你先听完两边最强版本,再定位真正的分歧和一个能翻盘的事实。 它不做什么:不替你拍板、不制造第三个"折中方"糊弄、不假装角色扮演出独立观点。
触发与边界
启用:存在两个或少数几个已成形的选项,且都有一定道理、用户在权衡。
| 情况 | 去向 |
| 没有现成选项,要从本质重推一条新路 | 第一性原理类重推方法(规划中;当前可用一般的"拆事实/假设/目标/约束重推导"代替) |
| 评单个想法值不值得做 | opportunity-scorecard |
| 核一条数据/说法真不真 | claim-check |
| 读一篇文章论证强不强 | argument-reading |
| 关键事实缺失、要查外部资料 | 需要时先调用 outside-view 取证,再回本技能收口 |
| 只有一个选项、或纯执行已定的决定 | 不启用 |
| 用户直接要"你告诉我选哪个"且责任在他 | 不替他决定;做完结构化后把决定权交还 |
选项由谁给:
- 用户已给出 A/B:直接进入协议。
- 用户只描述纠结、选项不清:先用一两轮澄清把候选显式列成两个互斥选项(一次问清最影响结论的),再开始;不要自己脑补第三个选项凑数。
- 确实存在三个实质不同的选项时,可对每个做"最强版本",但超过三个先帮用户收敛,否则是在做选项罗列而非抉择。
钢人协议(按顺序,不许跳步)
1. 重述抉择
用一句话写清:要决定什么、A 是什么、B 是什么、目标和硬约束是什么。选项必须真正互斥、在同一目标下可比;若发现两个选项其实在回答不同问题,先纠正问题定义。
2. 把每边立成钢人(核心步骤)
对 A、B 分别写最强版本,每边必须包含五项:
- 最强理由:支持这一边最有说服力的论证,用它支持者会用的最好方式表达,不许用"有人可能觉得……"式敷衍。
- 适用条件:它在什么前提下确实是更优解。
- 最大收益:选它最好能拿到什么。
- 最大风险与代价:最诚实的坏处,不回避。
- 最难回答的反对意见 + 当前最好回应:主动找最锋利的反方一击,并给出这一边能给出的最强回应;答不上来就如实标注"此处无回应",不许编。
钢人合格线:写出来的 A 方最强版本,要让真正支持 A 的人看了觉得"这确实是我的意思,而且说得比我好"。如果明显在树稻草人(用反方弱论证反衬倾向方),打回重写。
3. 让两边互相质疑,找三样东西
钢人各自立完后,让最强版本对撞,输出:
- 共同认可的事实:两边其实不吵的部分(很多犹豫在这里就消失一半)。
- 真正的分歧:不是表面选项不同,而是背后哪个假设、价值排序或约束判断不同。
- 关键变量:最可能改变结论的 1–2 个变量(某个事实、某个前提、某个未来条件)。
4. 只问一个翻盘问题
把"还缺什么信息"收敛成一个最可能改变结论的问题/待验证项:
- 这个问题的答案若为 X → 选 A;若为 Y → 选 B。写清这个映射。
- 一次只问一个,且必须是"能翻盘"的;问了不影响选择的问题不问。
- 能查的事实(价格、性能、政策、数据)先去查(若宿主具备检索则调用,或引导用户查),别用纯对话拖;查不到就标注为待验证假设。
5. 交还决断
在用户回答翻盘问题 / 补到事实之后,给出:
- 条件化判断:在什么前提下推荐哪个(不是替他拍板,是把选择规则讲清)。
- 推荐选项 + 理由 + 第一步行动:若关键变量已明朗,可以明确推荐;若仍取决于用户价值偏好(如风险厌恶程度),说明"这个事实层面已无分歧,剩下是你的价值选择",再给倾向供参考。
- 退出/止损条件:选了之后出现什么信号说明选错了、该回头。
- 多候选时每个候选都必须是用户真心愿意走的 A 计划,不许留凑数的备胎。
防失败模式(硬规则)
- 禁止稻草人:每边必须呈现其最强理由和最强反方回应;用弱论证凑数直接重写。
- 禁止假平衡:证据明显一边倒时不许"各打五十大板";如实说明哪边更强、强多少。钢人是"公平呈现",不是"两边都对"。
- 禁止假独立:本技能不做"请三位专家发言"式角色扮演——同一模型扮演的多角色高度相关,只会制造仪式感。价值在于强制输出结构(最强版本/真分歧/翻盘变量),不在表演多个人格。
- 禁止虚构:最难反对意见的"最佳回应"找不到就写无回应;关键事实没查就标待验证,不编造数据或来源。
- 禁止中庸和稀泥:不默认推出"A 和 B 结合一下"的第三方案,除非它真能同时满足两边目标且不付双倍代价。
- 禁止无限追问:最多一个翻盘问题;用户信息已经足够时直接给条件化判断。
- 决定权归属:事实与推理归本技能,最终价值取舍和拍板权在用户;结论必须以"在……前提下"的形式保留边界。
可感知信号(触发宣告与收口)
命中本技能并完整走流程时:
- 开头一行轻量宣告:
〔思考:钢人抉择〕把两个选项各自立到最强,再找真正分歧和那个能翻盘的事实,让用户知道是哪个技能在起作用、这轮要做什么。一句话快答或顺带提一句时不贴标签。 - 收口自检多答一句:在结论后用一句话说明"这轮让你的下一步具体改变了什么"(例如把纠结缩成一个待查事实、给出一个本周可做的动作、指出一条不该照搬的点)。读完仍不知道下一步该干嘛,视为本次失败,重做。
好坏的用户体感判别与反馈话术见仓库 docs/SKILL-QUALITY-CARD.md。
输出骨架
抉择:在【目标与约束】下,A …… vs B ……
A 的钢人:最强理由 / 适用条件 / 最大收益 / 最大风险 / 最难反驳与回应
B 的钢人:(同上五项)
共同事实:……
真正分歧:背后不同的假设/价值/约束是 ……
关键变量:……
一个翻盘问题:……(答 X→A,答 Y→B)
条件化判断与推荐:……(事实分歧 vs 价值取舍分开写)
第一步行动 / 退出条件:……简单二选一可压缩篇幅,但钢人五项、真正分歧、翻盘问题三件核心内容不能省。
交付前自检
- 两边都写成了支持者会认可的最强版本,没有稻草人。
- 每边都包含最难反驳意见及其最强回应,答不上的地方已如实标注。
- 找到了共同事实、真正分歧(背后的假设/价值差异)、1–2 个关键变量。
- 只收敛出一个能翻盘的问题,并写清答案如何决定 A/B。
- 没有假平衡、没有硬凑第三方案、没有角色扮演、没有编造。
- 最终把拍板权交还用户:事实结论与价值取舍分开,给了第一步与退出条件。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

