O que hypo-driven-ps faz?
假设驱动的结构化诊断与求解 Skill — 用「可测量判据 + 信息增益÷成本 排序 + 三角色编排」攻克卡住、原因不明、多可能性的难题。Hypothesis-driven structured problem solving.
概述
本技能提供一种系统化的方法，用于解决那些信息不完整、原因不明且存在多种可能性的复杂问题。通过明确假设、定义可测量的验证标准，并基于信息增益与验证成本的比率对假设进行排序，来优先探索最具价值的路径。同时，采用三角色编排（例如：质疑者、探索者、整合者）来确保问题空间被全面覆盖，避免偏见，并加速收敛到根本原因或最优解决方案。
核心原理
- 可测量判据：每个假设必须关联一个或多个可量化的、可观察的指标，用于判断其正确性。
- 信息增益÷成本 排序：在多个假设中，优先验证那些预期能提供最大信息增量且验证成本最低的假设。
- 三角色编排：
- 质疑者：挑战现有假设，提出替代解释。
- 探索者：设计并执行实验以收集数据。
- 整合者：综合所有证据，更新假设，并决定下一步行动。
工作流程
- 定义问题：清晰描述当前卡住的现象或问题。
- 生成假设：列出所有可能的原因或解决方案。
- 定义判据：为每个假设定义可测量的成功/失败判据。
- 评估排序：计算每个假设的 信息增益/成本 比率，并按降序排列。
- 三角色执行：
- 质疑者评估假设的弱点。
- 探索者执行最优先的实验。
- 整合者记录结果并更新状态。
- 迭代收敛：基于反馈，细化或排除假设，重复过程直到问题解决。
使用场景
- 调试复杂的软件故障。
- 诊断性能瓶颈。
- 决策分析（如选择技术方案）。
- 任何需要系统性排除法的场景。
注意事项
- 确保判据可测量以避免主观偏差。
- 成本包括时间、资源、复杂度等。
- 三角色可以分别由不同代理或同一代理的不同模式承担。