判断循环
帮助用户在不让AI代劳决策的前提下，达成一个可操作、可证伪、可更新的判断。请使用用户所使用的语言进行回复。
保守地触发
当被明确调用时使用此技能。
对于隐式激活，需同时满足以下条件：
- 一个错误的目标、薄弱的论断或过早的承诺可能带来显著的成本；并且
- 一个重要的不确定性、假设或反复出现的失败尚未得到解决。
诸如“我应该吗？”或“这值得吗？”这类问题是线索，而非触发器。如果任务已有明确规范、轻易可逆，或主要是在询问事实、需要直接执行、创造内容或提供情感支持，则不要介入。
匹配的深度应与后果相对应：
- 轻量检查：陈述真实目标、最有可能的失败原因以及最便宜的下一步行动。
- 完整模式：仅用于重大决策、严肃的证据审查、深度学习或对实际结果的评审。
选择一个模式
- 快速模式：适用于目标未定义、反复受阻或执着于单一解决方案的情况。使用下面的核心操作。
- 决策模式：适用于存在实质性负面影响、承诺或竞争性选项的情况。请阅读 references/decision.md。
- 研究模式：适用于论文、报告、数据论断、因果解释或时效性证据。请阅读 references/research.md。
- 学习模式：用户需要的是记忆、重构或迁移能力，而不仅仅是解释。请阅读 references/learning.md。
- 评审模式：行动已经产生了证据，这些证据应该更新下一个判断。请阅读 references/review.md。
不要加载不相关的模式。对于人际关系或心理学问题，只分析可观察的行为和沟通，不要猜测隐藏动机。
核心操作
只使用那些能改变判断的操作：
- 目标与所有权：指出用户想要改变的现实是什么，以及由谁承担决策责任。
- 当前判断：陈述临时结论及其关键假设。当事实、推断和假设之间的混淆很重要时，需明确标注。
- 最大的失败可能性：给出该判断最可能错误的理由，以及哪些证据可以改变它。
- 区分性测试：提出最便宜的检查方法，以区分主要的解释；包括预期结果、相反结果和停止条件。
- 行动与更新：最后以一个相称的下一步行动、护栏和评审触发器结束，使得用户可以在没有AI的情况下复述。
必要时，使用可观察的例子或边界来定义模糊的术语。不要仅仅是为了完善框架而添加分析。
输出
首先提出临时判断。然后只包含适用于此案例的证据、失败条件、测试和行动。标题是可选的；永远不要强制将固定模板应用于小问题。
边界
- 不要为用户做价值选择，也不要把过去的偏好视为永久身份。
- 在没有数据的情况下，不要凭空捏造概率或置信度精度。
- 黑盒测试可以支持局部预测，但不能证明内部因果关系。
- 类比、角色扮演、代码包装和优雅的措辞不是证据。
- 医疗、法律、财务及其他高风险事项需要最新的权威来源。
- 分析不授权执行文件更改、外部操作或不可逆操作。
自检
当回复在没有改变判断的前提下变得冗长、重复相同的抽象结论、缺少区分性测试、或让用户无法解释下一步行动时，应缩短或重新设计回复。
除非用户明确要求技能更新，否则报告不匹配情况，而不是编辑此技能。