決策矩陣

加權決策矩陣將「我無法決定」轉化爲一個可辯護、可檢驗的數字——但這個數字的價值完全取決於其背後的標準、權重和研究。你的工作是思考（什麼重要、重要程度、每個選項實際表現如何），而不僅僅是填寫表格。最後的HTML報告只是做好這項思考的副產品，而不是練習的重點。

1. 確認這個決策是否適合此方法

此方法最適合 2-8 個離散選項 以及 幾個相互衝突的標準（更便宜 vs 更好、更快 vs 更安全）。在以下情況，它會大材小用或不合適：

實際上只有一個重要因素（「哪個更便宜」）——直接回答即可。
是「是/否」的決定，而非多選一。
選項空間基本上是無限的（例如，「我應該住哪裏」但還沒有候選清單）——先幫助對方縮小到一個短名單，然後再對短名單運行矩陣。

如果適合，簡短說明並繼續進行——不要讓對方向你證明使用決策矩陣是合理的。

2. 一次性對話——不要逐項詢問

先問「決定是什麼」，然後「選項是什麼」，再問「你關心什麼」，最後逐個詢問每個標準的權重——這會把一個2分鐘的決定變成15條訊息的苦差事。一次性 詢問決定、選項和優先級的大致情況，並給出一個例子，讓對方知道如何輕鬆回答：

「你在決定什麼，有哪些選項，你最關心什麼——大致情況完全沒問題，我會幫你整理成清晰的比較。例如：『在 3 個工作機會中做選擇——Acme、Globex、以及現在的工作（Initech）。我最關心薪資、成長空間、以及通勤時間不要太長。』」

如果對方給出簡單的回答（只有選項，沒有優先級），也沒關係——直接進入步驟3，替對方提出優先級，而不是再次詢問。

3. 提出一份可編輯的草稿——標準、定義和權重一次到位

不要先收集標準，然後再分別收集權重。研究此類決定通常關注什麼（工作機會和公寓的標準不同），然後一次性返回一份完整的草稿——5-10 個標準，每個標準附帶一行定義和建議權重（1-10）——讓對方一次編輯完成，而不是從他們的空白頁面腦力激盪或逐個詢問。如果他們自己的列表超過 ~10 個，溫和地推動（仍在這一份草稿內，不要先請求許可）——合併或刪除那些彼此重複的標準。

讓對方用最簡單的方式回答——一個數字，或者只是「高/中/低」（大致對應 9/6/3）——並接受像「看起來不錯」或「刪除通勤，把薪資調到 10」這樣簡單的回覆。發送內容範例：

「以下是比較工作機會的草稿——可以編輯任何一行，添加/刪除一個，或者直接說『看起來不錯』：

標準含義重要性 (1-10)
薪資總薪酬（薪水+獎金+股票），第一年 9
成長在此職位中學習/成長的程度 8
通勤典型工作日的門到門時間 6
穩定性兩年後該職位/公司仍然存在的可能性 7
團隊與文化人員和日常感受的好壞 7

有什麼要補充的嗎——比如健康保險，或者遠程辦公的靈活性？」

草稿確定後，有兩件事比人們預期的更重要：

保留每個標準的定義，不要讓它退化成一個裸標籤。「成長」是模糊的；「成長 = 我在這個職位的第一年能學到多少」纔是可評分的。沒有定義，你自己的評分會在不同選項之間不一致地漂移。
注意那些重複計算同一底層因素的標準（例如，「薪資」和「財務安全」通常會合併爲一個因素）——合併它們可以保持權重的誠實性。

4. 鎖定並繼續進行

通常一輪編輯就夠了——一旦對方確認（或沒有反對），將標準、定義和權重視爲鎖定，直接進入步驟5的研究。不要重新要求他們確認你已經展示過的數字；如果你以後需要更改某些內容（例如，某個標準無法評分），說明你要更改什麼以及爲什麼，而不是重新開放整個草稿供批准。

5. 研究併爲每個選項 × 標準的單元格評分（1-10）

這一步是真正的工作所在，也是AI助手能夠超越簡單模板的地方。對於每個單元格：

實際進行研究——在評分之前，使用搜索/工具查找相關的事實（價格、規格、評級、薪資數據、評論、政策）。不要憑感覺編造一個聽起來精確的數字。
在一個標準內一致地錨定評分尺度。 在評分第一個選項之前，決定 1 和 10 對這個標準意味着什麼（例如，「10 = 這些選項中最便宜的」或「10 = 滿足所有必備條件」），並在所有選項中保持這個錨點，以便分數具有可比性。在你的筆記中爲每個標準記錄一次這個錨點。
每個單元格提供一句理由，說明該數字背後的依據或來源。這個理由是報告可信的關鍵，並會在HTML報表的「原因」切換中顯示。
當你在猜測時要說明。 有些標準是主觀的（例如，「興奮度」、「直覺」）或缺乏文檔。根據對方自己陳述的判斷來評分，並在理由中標記這是主觀的/未經驗證的，而不是以虛假的精確度呈現。切勿捏造來源。

6. 計算加權總分

對於每個選項：weighted_score = Σ(weight_i × score_i) / Σ(weight_i)，一個歸一化的 1-10 平均值。這使總分與輸入值保持在同一 1-10 尺度上，便於進行合理性檢查。

7. 首先輸出 Markdown 表格

在構建 HTML 之前，在聊天中將結果顯示爲 一個表格：選項作爲行，按最佳到最差排序；標準作爲列（僅顯示分數，以保持可讀性）；以及一個最終的加權總分列。然後用 2-3 句話指出最佳選項、次佳選項，以及區分它們的最大單一因素——如果前兩名非常接近，以至於「贏家」實際上難以取決，則明確指出。

8. 構建交互式 HTML 報告

編寫一個符合以下架構的 JSON 數據文件，然後執行：

python3 scripts/build_report.py data.json report.html

這會將你的數據注入 assets/report_template.html 的引擎，並生成一個獨立的 report.html（無需服務器，除了一個 Google 字體外無外部資源——雙擊文件即可運行）。該腳本會驗證數據，如果缺少某項內容或超出範圍，會顯示具體的錯誤訊息。

資料架構

{
  "meta": {
    "title": "我應該租哪間公寓？",
    "subtitle": "比較同個社區的 4 個房源",
    "description": "一兩句簡短的上下文說明。顯示在標題下方。",
    "direction": "ltr",
    "credit": "決策矩陣由 <你的名字> 建立",
    "credit_url": "https://github.com/mrachny/decision-matrix-skill"
  },
  "criteria": [
    { "id": "rent", "label": "月租金", "description": "10 = 四個中最便宜的，1 = 最貴的。", "weight": 9 }
  ],
  "options": [
    { "id": "optA", "label": "Elm 街公寓", "included": true }
  ],
  "scores": { "optA": { "rent": 7 } },
  "notes": { "optA": { "rent": "₪5,200/月，四個中第二便宜（來源：房源列表）。" } }
}

meta.direction 爲 "ltr" 或 "rtl"；省略則預設爲 "ltr"。
報告頁尾預設會顯示一行小的「使用決策矩陣生成」的署名。meta.credit / credit_url 可以覆蓋其文字/連結；如果對方明確不希望有署名行，則將 meta.credit 設爲 false。
criteria[].description 和 notes 是可選的，但強烈建議使用——它們會成爲報告中顯示的「原因」文字。沒有描述的標準或單元格只會顯示沒有理由，這對快速草稿來說可以，但會削弱報告的說服力。
options[].included（預設 true）設定報告的初始靜音狀態。
每個分數必須是 1-10 之間的數字。構建腳本會檢查這一點，以及在寫入任何內容之前檢查 criteria/options/scores 之間的 ID 一致性。

告訴對方文件的位置，以及它可以直接在任何瀏覽器中打開——權重和靜音切換會即時重新計算排名，不會發送任何資料到任何地方，除非對方保存文件，否則什麼也不會儲存。

9. 引導進行敏感性檢查

最後指出，報告的目的是用來玩味，而不僅僅是閱讀：如果切換掉感覺最不確定的標準或微調權重導致優勝者改變，這是一個真實的信號，表明決定很接近，值得更多思考（或者差異不重要，他們應該跟隨直覺 / 成本 / 哪個最容易反悔）。如果排名對這種干擾具有穩健性，那也是有用的信號。

參考文件

references/method.md——方法的背景知識，常見評分陷阱（相關標準、權重壓縮、錨定漂移），以及如何與對方討論平局。
assets/report_template.html——報告引擎。你不應該需要手動編輯它；所有可自訂的內容都通過 JSON 數據文件傳遞。
scripts/build_report.py——構建報告；按上述用法執行 python3 scripts/build_report.py --help。
examples/laptop-purchase.json——一個填充好的範例數據文件，如果你想在編寫自己的文件之前查看一個完整的例子。

決策矩陣技能