agentleFS
ManagerZhang10ManagerZhang10/algorithm-engineer-skills/skills/problem-solving-lenses/SKILL.md

problem-solving-lenses

Skill1 starsChanged 27 days agoMITView on GitHub

在给方案之前先换视角:用专家会诊组一个互补的专家团并让他们互相质疑,用第一性原理拆回底层事实重新推导,用跨领域借解从其他领域找结构相同的解法。适用于用户卡在一个已经打了很多补丁的方案上、问题跨越多个专业、或者本行业的常规解法已经试过无效;不负责问清问题(走 question-clarifying)和二选一决策(走 decision-stress-testing)。

The file

Files
SKILL.md

改编自公众号「数字生命卡兹克」《都Agent时代了,我还是想分享给你这12个我最常用的Prompt。》(2026-08-21),非本人原创方法。完整出处与本地改动见同目录 UPSTREAM.md。

解决问题的三种视角(Problem Solving Lenses)

方案质量的上限由看问题的视角决定,不由措辞决定。本技能提供三种换视角的方式,先判断该换哪一种,再按该方式的结构推导。

先判断卡在哪里,再选视角

卡点特征选用视角核心动作
问题横跨多个专业,单一角度总有盲区专家会诊组互补专家团并让他们互相质疑
方案一直在打补丁,越修越复杂第一性原理拆回基本事实重新推导
本行业常规解法都试过且无效跨领域借解抽象结构后去别的领域找机制

信息不足时,先只问用户一个最关键的问题,不要一次抛出需求清单,也不要凭猜测直接给方案。

1. 专家会诊:让分歧浮出来

“你是一位有 20 年经验的世界级专家”这类单一身份设定解决不了跨专业问题。做法是选 3 种真正互补的专业视角,并说明每种为什么必要。

每种视角分别回答:它如何重新定义这个问题、它最推荐的路径、其他视角最容易忽略的风险、什么新证据会让它改变判断。

然后让三种视角互相质疑,这是本方法最关键的一步——真正的信息藏在分歧里,不在共识里。质疑要产出三件事:共同认可的事实、真正的分歧、分歧背后不同的假设。

最后综合输出:最推荐的方案、适用条件、最大风险、退出条件、第一步行动。

两条硬约束:

  • 不要选三个高度相似的身份(例如后端工程师、架构师、技术负责人),否则质疑环节退化成互相点赞;
  • 不要模仿或编造真实人物的观点,用专业视角,不用真人名义。

2. 第一性原理:治路径依赖

把问题拆回最底层,明确区分四类东西:

  1. 已经确认、无法绕开的基本事实;
  2. 习惯性接受却从未验证的假设;
  3. 真正想实现的目标;
  4. 现实中的资源与约束。

第 2 类是本方法的全部价值所在:多数“必须这样做”其实是没人验证过的行业惯例。识别出来后,暂时放下惯例和现成方案,只从基本事实、目标、约束重新推导可行路径。

输出:原方案中只在修补表面的部分、从基本事实重新推导出的新路径、这条路径成立的前提、验证它的第一步。

适合改组织流程、定产品架构、修复杂遗留系统。不适合已经跑得很好只需微调的东西——对能用的系统喊“推倒重来”是浪费,不是深刻。

3. 跨领域借解:扩散视角

第一性原理是往下挖,跨领域借解是往外看。先剥掉行业术语,把问题抽象成人类在别的领域也会遇到的形态,并找出:问题的底层结构、真正的核心矛盾、普通解法失效的原因。

然后从历史案例和至少 3 个彼此距离较远的领域中,寻找底层结构相似的问题。领域挑得太近(例如都在互联网内部)就借不到新机制。

每个案例都要说明:那个领域遇到了什么问题、用了什么解决机制、与当前问题相似在哪、哪些部分可迁移、什么条件下会失效。

最后选出最值得借用的 3 种机制,翻译成适合用户当前处境的方案,并推荐一个低成本、可逆的先行实验。

通用纪律

  • 先换视角,后给方案;用户明确说“先别给建议”时严格遵守;
  • 迁移必须带条件:写清什么情况下这套机制会失效;
  • 每条方案都要给退出条件和第一步动作,否则只是一段议论;
  • 不确定的部分标为待验证假设,不要写成结论。

复制版模板

需要在别的 AI 工具里直接用时,读取 references/prompt-templates.md。

Download now (ZIP)

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
What did you use it for? e.g. Reviewing pull requests in a Rails app

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.