CommunityCodierung & Entwicklunggithub.com

yekeyekegh/hypo-driven-ps

Hypothesengetriebene strukturierte Diagnose und Lösung – Mit „messbaren Kriterien + Informationsgewinn/Kosten-Sortierung + Drei-Rollen-Orchestrierung“ festgefahrene, unklare und vieldeutige Probleme lösen.

Was ist hypo-driven-ps?

Dieses Skill (yekeyekegh/hypo-driven-ps) implementiert eine hypothesengetriebene, strukturierte Methode zur Problemlösung, die speziell für Situationen entwickelt wurde, in denen Probleme feststecken, viele Ursachen möglich sind oder keine eindeutige Antwort existiert. Es verwendet drei Kernmechanismen: (1) messbare Kriterien zur Überprüfung von Hypothesen, (2) eine Priorisierung nach dem Verhältnis von Informationsgewinn zu Kosten (Information Gain / Cost), und (3) eine Drei-Rollen-Orchestrierung (z. B. Moderator, Experte, Kritiker), um den Denkprozess systematisch und kollaborativ zu gestalten. Das Skill ist für KI-Agenten wie Claude Code, Cursor oder Codex geeignet, da es eine klare, wiederholbare Struktur für die Diagnose und Lösung komplexer technischer oder konzeptioneller Probleme bietet. Es zielt darauf ab, die Effizienz zu steigern, indem es die vielversprechendsten Hypothesen priorisiert und so den Suchaufwand minimiert. Entwickler können es in ihre Workflows integrieren, um bei Debugging, Architekturentscheidungen oder Ursachenanalysen systematischer vorzugehen.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add yekeyekegh/hypo-driven-ps

Installed? Explore more Codierung & Entwicklung skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht hypo-driven-ps?

Hypothesengetriebene strukturierte Diagnose und Lösung – Mit „messbaren Kriterien + Informationsgewinn/Kosten-Sortierung + Drei-Rollen-Orchestrierung“ festgefahrene, unklare und vieldeutige Probleme lösen.

Übersicht

Dieses Skill implementiert einen hypothesengetriebenen Ansatz für die strukturierte Problemlösung. Es ist besonders nützlich, wenn ein Problem nicht offensichtlich ist, mehrere mögliche Ursachen hat oder der Fortschritt ins Stocken geraten ist.

Kernkomponenten

  1. Messbare Kriterien: Jede Hypothese wird anhand klarer, überprüfbarer Metriken bewertet.
  2. Informationsgewinn/Kosten-Sortierung: Hypothesen werden nach dem Verhältnis von Informationsgewinn zu Aufwand priorisiert.
  3. Drei-Rollen-Orchestrierung: Die Zusammenarbeit zwischen einem Moderator (Struktur), einem Experten (Fachwissen) und einem Kritiker (Validierung) sorgt für einen ausgewogenen, gründlichen Prozess.

Anwendung

  • Diagnose: Systematisches Testen von Hypothesen anhand messbarer Kriterien.
  • Lösung: Schrittweise Verfeinerung der wahrscheinlichsten Ursachen.
  • Integration: Nahtlose Nutzung mit KI-Agenten wie Claude Code, Cursor oder Codex.

Beispiel-Workflow

  1. Problem definieren und in Teilprobleme zerlegen.
  2. Hypothesen generieren (z. B. mittels Brainstorming).
  3. Jede Hypothese mit messbaren Kriterien versehen.
  4. Hypothesen nach Informationsgewinn/Kosten sortieren.
  5. Die vielversprechendste Hypothese testen.
  6. Ergebnisse validieren und iterieren.

Plattformunterstützung

  • Claude Code
  • Cursor
  • Codex
  • Allgemeine KI-Agenten-Workflows

Lizenz

Dieses Skill steht unter der MIT-Lizenz zur Verfügung.

Verwandte Skills