做决策这件事，我一度觉得自己被它耗干了。小到要不要换工作，大到要不要选一个方向全力投入，每次都是搜集一堆资料、问一圈人、做一页利弊表，最后还是在两个选项之间反复横跳。后来我做了一个很实际的事情：把Claude Code的Skill机制用起来，搭建了一位基于历史案例与心学智慧的智能决策顾问，把它直接装进终端里。这个项目本质上是给Claude Code定制一个“决策技能包”：我构建了一套结构化历史决策案例库，把跨时代的困境拆解成可检索的情境标签；再把知行合一、事上磨练这些心学核心命题翻译成可执行的检查清单；最后串成一条“澄清—照镜—审机—致知—笃行”的完整决策流程。它能帮你把模糊的焦虑翻译成具体的问题，把空泛的纠结收敛成可落地的行动。这篇文章会从需求拆解、工作流设计、案例库结构化、SKILL.md实现细节，到我在真实使用中踩过的坑，完整展开。适合正在用Claude Code做自动化工具的个人开发者，也适合那些和我一样，希望给日常决策加一道稳定逻辑护栏的人。1. 为什么需要这样一位“另类”决策顾问1.1 现在的AI咨询工具有一个明显缺口市面上各种AI助手我基本都深度用过。它们最擅长的事情是：把你丢过去的问题拆成几个维度，逐一分析，最后给出一个“综合来看，建议你结合实际情况选择”的结论。这句话说了等于没说，但问题不在AI，而在于决策这件事本身就不只是信息处理。信息层面的决策，Excel就能做。真正让人卡住的维度有三个：价值观排序、风险偏好、执行勇气。比如两个岗位摆在面前，薪资、成长、通勤、氛围各有优劣，这时候再多的外部信息也无法替代你回答“你最不能放弃什么”。这才是决策的深水区。历史案例和心学智慧恰好能从两个方向补上这个缺口。前者提供跨时间的模式识别，后者提供把认知转化为行动的心性训练。两者结合，不是故弄玄虚，而是把决策从“算利弊”提升到“看清楚自己，然后动起来”的层面。1.2 历史案例不是摆谱，是模式识别人类在做决策时会犯一个典型的错误：总觉得眼前的问题是前所未见的。事实恰恰相反，困境的结构总是反复出现——资源不足、信息不全、时间压力、各方意见冲突、收益和风险不对称，这些状态在每一代人身上都会重演。我构建案例库时的核心思路，就是把历史上的关键决策从具体故事中剥离出来，抽象成“角色类型 + 决策类型 + 情境标签 + 约束条件 + 选项 + 结果 + 教训”的结构化数据。比如把一次军事上的分兵决策，抽象成“资源不足以支持全员时，选择公平分配还是优胜存活”的通用困境。这样做的价值在于，当你在产品规划或职业选择中遇到类似的资源分配困境时，AI顾问能快速把历史经验和你的现状对接起来。历史不会简单重复，但决策模式会押韵。案例库真正提供的不是“古人怎么做”，而是“类似结构的问题在现实中可能有什么后果”。1.3 心学智慧：把“知道”变成“做到”的哲学心学这三个命题，对我的项目设计影响最深：知行合一、事上磨练、致良知。它们看似是修身哲学，实际上是一套非常完整的决策操作系统。知行合一首先破了“知而不行”的伪决策。你以为自己想清楚了，但迟迟不行动，这在心学看来就是不知。对AI决策顾问的启发是：任何决策输出必须包含行动承诺，否则整个分析就是无效的。事上磨练强调在真实情境中反复锻炼判断力，对应到工具里，就是每次决策后要留下复盘档案，下次遇到类似情境时能调用自己的历史经验。致良知是处理价值观冲突的利器。很多人纠结的不是利弊，而是“这样做对不对”。把它工程化，就成了决策对话中必问的澄清问题：你最不能失去什么？你现在的判断是源于事实，还是源于恐惧或欲望？1.4 为什么一定要做成Claude Code的Skill其实这套方法论完全可以只写成一个提示词模板，丢给任意对话助手用。但我在实践中发现，分散的提示词有致命弱点：每次要用都要把人物设定、案例库、流程规范重新贴一遍，粘贴过程中还会出现各种遗漏和变形。Claude Code的Skill机制解决的就是这个问题。它允许我把整个决策方法论封装成一个可复用的技能包：知识库、检索脚本、对话流程、输出格式，全部内聚在一个目录里。只要在项目目录下声明，随时可以唤起一位前后风格完全一致的决策顾问。此外，Skill意味着可迭代。我可以像维护代码一样维护这套决策方法，发现案例匹配不准就调整标签体系，发现回答太虚就加约束条件，配合版本管理随时回溯。这种工程化的可控感，是普通提示词永远给不了的。2. 项目整体设计与决策工作流2.1 需求梳理：决策顾问要做什么，不做什么我在动工之前先做了一件事：给这位决策顾问划定能力边界。这比急着写代码重要得多。它需要做四件事：澄清问题，帮助用户从模糊的情绪化陈述中提炼出真正的决策点；唤醒经验，从历史案例库中召唤出具有结构相似性的困境；检视假设，对每个选项的支持证据和致命弱点做对抗式提问；规划行动，把决策结论压缩成可检验的下一步动作。它坚决不做两件事：不替用户做决定，不给“标准答案”。我的设计原则是，所有输出都保留选择权和价值判断的空间。顾问越界替你做决定，本质上是在剥夺你的判断能力，这个方向绝对要拦死。这个边界后面也会成为写SKILL.md时的系统提示词骨架，让人格设定始终在“启发式提问”和“结构化分析”之间保持平衡，而不滑向“我给你答案”的权威式输出。2.2 五步决策工作流：从混沌到行动整个决策对话被我切成五个步骤。这五个步骤的名称都刻意用了传统字眼，目的是让用户进入一种更沉静的状态，而不是被算法感十足的术语劝退。步骤目标核心动作对应智慧安顿排除情绪干扰列出事实、情绪、目标，把问题说清楚心学“静坐澄心”照镜获取结构相似的经验参照检索历史案例库，展示类似困境与结果历史经验审机收敛选项，检验假设为每个选项找证据链、致命弱点，做推演事上磨练致知澄清价值观与决策初心回答心学四问，确定最不能失去的东西致良知笃行固化行动，打破分析瘫痪输出唯一一个24小时内可完成的动作知行合一这套流程最关键的改进，是把通常的“建议”放在最后一步，并且以行动而不是结论来收尾。大部分人找决策顾问要的是一个安心感，这个安心感不是来自“你该选A”，而是来自“选A之后你明天具体做什么”。2.3 Skill目录结构：每个文件都在干一件明确的事为了让整个Skill保持可维护，我在目录设计上做了清晰的分层：decision-advisor/ ├── SKILL.md ├── references/ │ ├── decision_cases_zh.json │ └── xinxue_framework.md ├── scripts/ │ └── case_matcher.py ├── examples/ │ └── demo_transcript.md └── assets/ └── icons/SKILL.md是入口文件，定义技能名称、适用场景、人格边界、五步流程的完整指令。references目录放静态知识库：历史案例JSON和心学框架Markdown。scripts目录放检索脚本，启动时自动将当前问题和案例评分匹配。examples目录放演示对话，用于快速理解行为和调试验证。assets目录只做图标，不参与逻辑。这样一拆，后续改进就非常清楚：标签订得不准就去调JSON，回答太空泛就去改SKILL.md的约束，匹配太笨拙就去改脚本打分逻辑。职责单一，定位迅速。3. 核心实现：案例库与心学框架怎么落地成代码3.1 历史案例结构化的设计思路一开始我犯过一个错：直接把历史故事以长文本形式塞进references目录，指望AI靠语义理解去找关联。结果就是案例匹配非常飘，经常因为某个词看起来像就把毫无参考价值的案例推荐出来。后来我彻底重构成结构化JSON。每个案例固定包含角色类型、决策类型、情境标签、约束条件、可选项、实际结果、复盘教训、迁移提示这八个字段。为了处理合规问题，所有案例都做了脱敏处理，不保留具体人物、朝代和地点，只抽象成角色与情境。{ "case_id": "H-072", "role_type": "商队首领", "decision_type": "资源分配", "situation_tags": ["资源不足", "时间压力", "队伍分歧"], "constraints": ["必需物资只够三分之一的人使用", "存在两条方向相反的前进路线"], "options": [ { "choice": "全员慢行，共享物资", "pros": ["无人掉队"], "cons": ["物资大概率在途中耗尽"] }, { "choice": "分兵两路，精锐先行", "pros": ["提高部分人生存概率"], "cons": ["弱队被放弃，存在道义代价"] } ], "outcome": "分兵决策后主队成功抵达，副队失联，事后复盘认为残酷但在资源结构下是必然选择", "lesson": "当资源结构不支持全员时，优先计算生存率，而不是按情感均分", "application_tips": ["先分清生存线与发展线", "犹豫伴随长期情绪损耗，也是一种成本"] }这样的结构让案例变成了可计算的资产。后续无论是检索、排序还是生成参考建议，都有了明确的操作对象。同时我保留了“迁移提示”字段，用来存放从历史情境映射到现代决策的桥梁建议。3.2 案例检索：从“关键词命中”升级成“情境匹配”案例库有了，接下来要解决的是怎么把用户当前问题和历史案例连接起来。我选了一个简单但实用的方案：三级标签加权评分。一级标签是决策类型，比如资源分配、方向选择、团队分歧、进与退的取舍。二级标签是情境特征，比如资源不足、信息缺失、时间压力、外部竞争。三级标签是冲突维度，比如道义与生存、长期与短期、稳定与自由。匹配时用脚本对用户输入提取标签，然后按权重计算候选案例的得分。def match_score(case, query): score = 0 score += 10 * len(set(case["decision_type"]) & set(query["decision_type"])) score += 5 * len(set(case["situation_tags"]) & set(query["situation_tags"])) score += 3 * len(set(case["constraint_tags"]) & set(query["constraint_tags"])) return score这个打分逻辑的核心思想是：决策类型直接决定问题结构是否同构，权重最高；情境标签决定了压力场景是否相似；约束维度权重最低，因为具体约束在历史案例和当前问题中本就不可能完全相同。这套方案比重语义向量简单很多，但效果非常稳，而且每一个匹配结果都能回溯到具体标签上，方便调优。如果你后续想进一步提升，完全可以替换成嵌入向量检索，但当前这个方案在案例库规模几百条时已经足够。3.3 心学智慧的工程化表达心学部分是我最担心变成“玄学”的地方。我的解法非常直接：把哲学命题翻译成强制执行的检查清单和提问模板，不给AI自由发挥的空间。“致良知”的落地形式是四组澄清问题：这件事里你最不能失去的是什么？如果这个结果三年后回头看，你会如何评价现在的选择？你此刻的想法是基于事实，还是源于恐惧或者欲望？假设没有任何身份包袱，你会选哪一项？“知行合一”的落地形式是一个行动检验：这个决策是否已经明确了谁来执行、什么时间执行、通过什么标准检验？如果回答不出来，就判定决策尚未完成，并把流程打回行动规划环节。“事上磨练”的落地形式是案例推演：在输出建议时，必须把用户当前选项代入至少一个历史案例情境，推演“若按此选项推进，最可能的演化路径是什么”。这些内容都写进了references/xinxue_framework.md，作为SKILL.md调用知识库的一部分，确保每次对话都执行相同框架。4. 实操过程：从零到能用的关键细节4.1 手写SKILL.md：让Claude Code学会“扮演”决策顾问SKILL.md是整个技能包的入口。Frontmatter里最关键的是name和description，因为description决定了Claude Code在什么场景下会主动启用这个技能。--- name: decision-advisor description: 当用户在职业选择、业务方向、产品取舍、资源分配等需要权衡的决策场景中求助时，使用历史案例与心学智慧辅助用户澄清问题、评估选项、制定行动方案。该技能仅在用户明确表达决策困惑时激活。 ---在描述中写清楚“仅在用户明确表达决策困惑时激活”非常关键，否则它会频繁抢戏。主体部分我定义了顾问的人格边界：平实克制，不做道德评判，拒绝替用户做最终选择，所有提问面向事实而非情绪。同时规定了五步流程的执行顺序和输出格式，要求每一步都明确标记步骤名，防止流程混乱。另外我在SKILL.md里做了一条硬性约束：如果案例库中不存在匹配案例，宁可明确说“本案例库暂未找到结构相似的历史情境”，也不要硬编一个类比来迎合用户。这条约束在我后面的使用中救了很多次。4.2 一整套决策对话实例：从提问到行动为了让你直观看到效果，我贴出一段精简过的真实对话记录。主角是A同学，一个正在纠结要不要离职做独立开发的产品经理。A同学：我现在的困惑是，手头有一个稳定的产品经理岗位，但我想花一年时间做自己的独立产品，又怕收入断掉撑不住。决策顾问：【安顿】我先帮你把问题拆开。表面上是去留选择，深层冲突是“稳定现金流”与“自主创造空间”。请告诉我：你目前可支持个人生活开支的现金储备是多少个月？离职做技术变现的预案和时间边界是什么？【照镜】案例库中有类似结构的情境：商队首领在物资不足时面临分兵或慢行。引用案例H-072：当资源结构不支持同时达成两个目标时，必须优先计算生存线，再谈发展。你的生存线是多长时间不依赖他人收入而不影响生活？【审机】选项A：继续工作同时利用业余时间验证。优点是有现金流支撑；缺点是高强度的主业会挤压有效产出时间。选项B：裸辞全力投入。优点是时间完整；缺点是生存焦虑会侵蚀创作质量。请补充：你的独立产品是否已经做了用户访谈或原型验证？【致知】我的提问是：如果给这次选择设置一个三年回望期，你最不愿意看到的结果是什么？是“尝试过失败”还是“没尝试而长期后悔”？请区分你的判断到底源于恐惧还是事实。【笃行】我不替你选A或B。我把它压缩成未来24小时的一个动作：先写下你独立产品的获客假设和验证指标，同时列清你可用现金的年化安全月数。做完这一步，你再来决定是否值得成年人式地冒一次险。看完这段对话你应该发现了，它全程没有给出“我建议你辞职”或“我建议你留守”，但把决策所需的材料都摆到了桌面上，最关键的是，它把决策从“想清楚”推进到了“明天做什么”。4.3 测试与调优：让Skill越来越可靠技能开发完成后，我建了一组决策测试用例反复跑，覆盖职业选择、业务权衡、产品功能取舍、承诺困境等类型。每次测试我会重点看四个指标：案例相关性是否高、提问是否穿透到真实顾虑、行动建议是否足够具体、有没有出现空泛鸡汤。运行几轮后发现一个典型问题：当用户表达不清时，技能会跳过安顿直接进入案例匹配，导致后续全部跑偏。修复方案很简单，在SKILL.md里加了强制规则——用户没有把“事实、情绪、目标”三要素说清楚前，不允许进入照镜阶段。另一个高频问题是“审机”阶段容易变成常规利弊表。我的调优是为每个选项强行增加“致命弱点”提问：请列出能让这个选项彻底失败的前提条件。这个改动让用户被迫面对最难堪的失败场景，思考质量明显提升。5. 真实使用中的问题与避坑建议5.1 高频问题速查表问题现象可能原因解决方案案例匹配总是飘，关联感弱标签设置太宽泛精化二级标签，加入同义词与近义场景建议变成励志语录缺少追问环节在流程中强制插入“致命弱点”提问行动计划太空泛缺少约束机制强制“单一动作 + 时间 + 检验标准”三要素用户不想回答问题安顿环节太生硬把问题包装成“帮你把问题拆开”，减少压力感无匹配案例时硬编类比没有写边界规则明确要求“无匹配则明说无匹配”，禁止编造对话太长，耗尽耐心步骤输出太多每步限制要点数量，信息用短列表呈现5.2 我踩过的三个坑第一个坑是案例库初始形态。我最早直接存长文本故事，检索时AI只能靠语义飘着关联。后来把几十条案例全部改成结构化JSON，每条增加迁移提示字段，匹配准确度和输出质量都上了一个台阶。第二个坑是心学部分严重失控。早期提示词只写了“参考心学理念”，结果AI输出了一堆“放下执念”“顺应内心”之类的万能短语。后来我把每个心学命题拆成必答问题，要求AI只能以提问形式表达，不能空谈概念，问题立刻解决了。第三个坑最隐蔽：对话越理性，用户越焦虑。我一开始把流程设计得冷冰冰，每条输出都是长段分析。后来发现用户要的不仅是分析，而是被接住的感觉。于是我加了安顿环节，并且要求笃行阶段必须输出“今天就能做的一件小事”。加了这两个人性化的触点之后，使用体验明显不同。5.3 值得继续做深的方向目前这个决策顾问已经能在我的项目工作流里稳定运行。接下来我计划做三件事扩展。第一，导入个人决策复盘档案。把过去自己做的重大决策按同样的JSON结构录入，形成私人案例库。这样AI顾问既能引用历史智慧，也能引用“我自己的经验”，说服力会更强。第二，建立决策跟踪闭环。每次做完决策后生成一份决策档案，记录当时的判断依据、预期结果和情绪状态。三个月后让技能唤回这份档案做复盘，检验判断质量。这就把“事上磨练”真正落到了个人成长层面。第三，做领域化配置。当前案例库偏通用，后续想针对创业融资、团队管理、自由职业等垂直场景分别构建子库，配合不同的角色类型和约束标签，让匹配更精准。我在实际使用中最大的体会是：工具永远不该替你决策，它真正应该做的是，把模糊的害怕翻译成清晰的下一步。历史案例提供的是“你不是第一个遇到这种困境的人”的参照，心学提供的是“想清楚了就该行动”的推力，而Claude Code的Skill机制把这两者变成了一套随时可调用的稳定流程。最后分享一个小技巧：我在SKILL.md里加了一条自查指令——每次输出结论前，强制自问一句“如果只保留一条可执行建议，我会留下哪一条”，然后把其余分析全部压缩进背景信息里，只把这一条放在最显眼的位置。这条约束治好了我做决策顾问以来最烦人的毛病：输出太长、重点丢失。少即是多，尤其对一个帮你做决定的工具而言。
做决策这件事，我一度觉得自己被它耗干了。小到要不要换工作，大到要不要选一个方向全力投入，每次都是搜集一堆资料、问一圈人、做一页利弊表，最后还是在两个选项之间反复横跳。后来我做了一个很实际的事情：把Claude Code的Skill机制用起来，搭建了一位基于历史案例与心学智慧的智能决策顾问，把它直接装进终端里。这个项目本质上是给Claude Code定制一个“决策技能包”：我构建了一套结构化历史决策案例库，把跨时代的困境拆解成可检索的情境标签；再把知行合一、事上磨练这些心学核心命题翻译成可执行的检查清单；最后串成一条“澄清—照镜—审机—致知—笃行”的完整决策流程。它能帮你把模糊的焦虑翻译成具体的问题，把空泛的纠结收敛成可落地的行动。这篇文章会从需求拆解、工作流设计、案例库结构化、SKILL.md实现细节，到我在真实使用中踩过的坑，完整展开。适合正在用Claude Code做自动化工具的个人开发者，也适合那些和我一样，希望给日常决策加一道稳定逻辑护栏的人。1. 为什么需要这样一位“另类”决策顾问1.1 现在的AI咨询工具有一个明显缺口市面上各种AI助手我基本都深度用过。它们最擅长的事情是：把你丢过去的问题拆成几个维度，逐一分析，最后给出一个“综合来看，建议你结合实际情况选择”的结论。这句话说了等于没说，但问题不在AI，而在于决策这件事本身就不只是信息处理。信息层面的决策，Excel就能做。真正让人卡住的维度有三个：价值观排序、风险偏好、执行勇气。比如两个岗位摆在面前，薪资、成长、通勤、氛围各有优劣，这时候再多的外部信息也无法替代你回答“你最不能放弃什么”。这才是决策的深水区。历史案例和心学智慧恰好能从两个方向补上这个缺口。前者提供跨时间的模式识别，后者提供把认知转化为行动的心性训练。两者结合，不是故弄玄虚，而是把决策从“算利弊”提升到“看清楚自己，然后动起来”的层面。1.2 历史案例不是摆谱，是模式识别人类在做决策时会犯一个典型的错误：总觉得眼前的问题是前所未见的。事实恰恰相反，困境的结构总是反复出现——资源不足、信息不全、时间压力、各方意见冲突、收益和风险不对称，这些状态在每一代人身上都会重演。我构建案例库时的核心思路，就是把历史上的关键决策从具体故事中剥离出来，抽象成“角色类型 + 决策类型 + 情境标签 + 约束条件 + 选项 + 结果 + 教训”的结构化数据。比如把一次军事上的分兵决策，抽象成“资源不足以支持全员时，选择公平分配还是优胜存活”的通用困境。这样做的价值在于，当你在产品规划或职业选择中遇到类似的资源分配困境时，AI顾问能快速把历史经验和你的现状对接起来。历史不会简单重复，但决策模式会押韵。案例库真正提供的不是“古人怎么做”，而是“类似结构的问题在现实中可能有什么后果”。1.3 心学智慧：把“知道”变成“做到”的哲学心学这三个命题，对我的项目设计影响最深：知行合一、事上磨练、致良知。它们看似是修身哲学，实际上是一套非常完整的决策操作系统。知行合一首先破了“知而不行”的伪决策。你以为自己想清楚了，但迟迟不行动，这在心学看来就是不知。对AI决策顾问的启发是：任何决策输出必须包含行动承诺，否则整个分析就是无效的。事上磨练强调在真实情境中反复锻炼判断力，对应到工具里，就是每次决策后要留下复盘档案，下次遇到类似情境时能调用自己的历史经验。致良知是处理价值观冲突的利器。很多人纠结的不是利弊，而是“这样做对不对”。把它工程化，就成了决策对话中必问的澄清问题：你最不能失去什么？你现在的判断是源于事实，还是源于恐惧或欲望？1.4 为什么一定要做成Claude Code的Skill其实这套方法论完全可以只写成一个提示词模板，丢给任意对话助手用。但我在实践中发现，分散的提示词有致命弱点：每次要用都要把人物设定、案例库、流程规范重新贴一遍，粘贴过程中还会出现各种遗漏和变形。Claude Code的Skill机制解决的就是这个问题。它允许我把整个决策方法论封装成一个可复用的技能包：知识库、检索脚本、对话流程、输出格式，全部内聚在一个目录里。只要在项目目录下声明，随时可以唤起一位前后风格完全一致的决策顾问。此外，Skill意味着可迭代。我可以像维护代码一样维护这套决策方法，发现案例匹配不准就调整标签体系，发现回答太虚就加约束条件，配合版本管理随时回溯。这种工程化的可控感，是普通提示词永远给不了的。2. 项目整体设计与决策工作流2.1 需求梳理：决策顾问要做什么，不做什么我在动工之前先做了一件事：给这位决策顾问划定能力边界。这比急着写代码重要得多。它需要做四件事：澄清问题，帮助用户从模糊的情绪化陈述中提炼出真正的决策点；唤醒经验，从历史案例库中召唤出具有结构相似性的困境；检视假设，对每个选项的支持证据和致命弱点做对抗式提问；规划行动，把决策结论压缩成可检验的下一步动作。它坚决不做两件事：不替用户做决定，不给“标准答案”。我的设计原则是，所有输出都保留选择权和价值判断的空间。顾问越界替你做决定，本质上是在剥夺你的判断能力，这个方向绝对要拦死。这个边界后面也会成为写SKILL.md时的系统提示词骨架，让人格设定始终在“启发式提问”和“结构化分析”之间保持平衡，而不滑向“我给你答案”的权威式输出。2.2 五步决策工作流：从混沌到行动整个决策对话被我切成五个步骤。这五个步骤的名称都刻意用了传统字眼，目的是让用户进入一种更沉静的状态，而不是被算法感十足的术语劝退。步骤目标核心动作对应智慧安顿排除情绪干扰列出事实、情绪、目标，把问题说清楚心学“静坐澄心”照镜获取结构相似的经验参照检索历史案例库，展示类似困境与结果历史经验审机收敛选项，检验假设为每个选项找证据链、致命弱点，做推演事上磨练致知澄清价值观与决策初心回答心学四问，确定最不能失去的东西致良知笃行固化行动，打破分析瘫痪输出唯一一个24小时内可完成的动作知行合一这套流程最关键的改进，是把通常的“建议”放在最后一步，并且以行动而不是结论来收尾。大部分人找决策顾问要的是一个安心感，这个安心感不是来自“你该选A”，而是来自“选A之后你明天具体做什么”。2.3 Skill目录结构：每个文件都在干一件明确的事为了让整个Skill保持可维护，我在目录设计上做了清晰的分层：decision-advisor/ ├── SKILL.md ├── references/ │ ├── decision_cases_zh.json │ └── xinxue_framework.md ├── scripts/ │ └── case_matcher.py ├── examples/ │ └── demo_transcript.md └── assets/ └── icons/SKILL.md是入口文件，定义技能名称、适用场景、人格边界、五步流程的完整指令。references目录放静态知识库：历史案例JSON和心学框架Markdown。scripts目录放检索脚本，启动时自动将当前问题和案例评分匹配。examples目录放演示对话，用于快速理解行为和调试验证。assets目录只做图标，不参与逻辑。这样一拆，后续改进就非常清楚：标签订得不准就去调JSON，回答太空泛就去改SKILL.md的约束，匹配太笨拙就去改脚本打分逻辑。职责单一，定位迅速。3. 核心实现：案例库与心学框架怎么落地成代码3.1 历史案例结构化的设计思路一开始我犯过一个错：直接把历史故事以长文本形式塞进references目录，指望AI靠语义理解去找关联。结果就是案例匹配非常飘，经常因为某个词看起来像就把毫无参考价值的案例推荐出来。后来我彻底重构成结构化JSON。每个案例固定包含角色类型、决策类型、情境标签、约束条件、可选项、实际结果、复盘教训、迁移提示这八个字段。为了处理合规问题，所有案例都做了脱敏处理，不保留具体人物、朝代和地点，只抽象成角色与情境。{ "case_id": "H-072", "role_type": "商队首领", "decision_type": "资源分配", "situation_tags": ["资源不足", "时间压力", "队伍分歧"], "constraints": ["必需物资只够三分之一的人使用", "存在两条方向相反的前进路线"], "options": [ { "choice": "全员慢行，共享物资", "pros": ["无人掉队"], "cons": ["物资大概率在途中耗尽"] }, { "choice": "分兵两路，精锐先行", "pros": ["提高部分人生存概率"], "cons": ["弱队被放弃，存在道义代价"] } ], "outcome": "分兵决策后主队成功抵达，副队失联，事后复盘认为残酷但在资源结构下是必然选择", "lesson": "当资源结构不支持全员时，优先计算生存率，而不是按情感均分", "application_tips": ["先分清生存线与发展线", "犹豫伴随长期情绪损耗，也是一种成本"] }这样的结构让案例变成了可计算的资产。后续无论是检索、排序还是生成参考建议，都有了明确的操作对象。同时我保留了“迁移提示”字段，用来存放从历史情境映射到现代决策的桥梁建议。3.2 案例检索：从“关键词命中”升级成“情境匹配”案例库有了，接下来要解决的是怎么把用户当前问题和历史案例连接起来。我选了一个简单但实用的方案：三级标签加权评分。一级标签是决策类型，比如资源分配、方向选择、团队分歧、进与退的取舍。二级标签是情境特征，比如资源不足、信息缺失、时间压力、外部竞争。三级标签是冲突维度，比如道义与生存、长期与短期、稳定与自由。匹配时用脚本对用户输入提取标签，然后按权重计算候选案例的得分。def match_score(case, query): score = 0 score += 10 * len(set(case["decision_type"]) & set(query["decision_type"])) score += 5 * len(set(case["situation_tags"]) & set(query["situation_tags"])) score += 3 * len(set(case["constraint_tags"]) & set(query["constraint_tags"])) return score这个打分逻辑的核心思想是：决策类型直接决定问题结构是否同构，权重最高；情境标签决定了压力场景是否相似；约束维度权重最低，因为具体约束在历史案例和当前问题中本就不可能完全相同。这套方案比重语义向量简单很多，但效果非常稳，而且每一个匹配结果都能回溯到具体标签上，方便调优。如果你后续想进一步提升，完全可以替换成嵌入向量检索，但当前这个方案在案例库规模几百条时已经足够。3.3 心学智慧的工程化表达心学部分是我最担心变成“玄学”的地方。我的解法非常直接：把哲学命题翻译成强制执行的检查清单和提问模板，不给AI自由发挥的空间。“致良知”的落地形式是四组澄清问题：这件事里你最不能失去的是什么？如果这个结果三年后回头看，你会如何评价现在的选择？你此刻的想法是基于事实，还是源于恐惧或者欲望？假设没有任何身份包袱，你会选哪一项？“知行合一”的落地形式是一个行动检验：这个决策是否已经明确了谁来执行、什么时间执行、通过什么标准检验？如果回答不出来，就判定决策尚未完成，并把流程打回行动规划环节。“事上磨练”的落地形式是案例推演：在输出建议时，必须把用户当前选项代入至少一个历史案例情境，推演“若按此选项推进，最可能的演化路径是什么”。这些内容都写进了references/xinxue_framework.md，作为SKILL.md调用知识库的一部分，确保每次对话都执行相同框架。4. 实操过程：从零到能用的关键细节4.1 手写SKILL.md：让Claude Code学会“扮演”决策顾问SKILL.md是整个技能包的入口。Frontmatter里最关键的是name和description，因为description决定了Claude Code在什么场景下会主动启用这个技能。--- name: decision-advisor description: 当用户在职业选择、业务方向、产品取舍、资源分配等需要权衡的决策场景中求助时，使用历史案例与心学智慧辅助用户澄清问题、评估选项、制定行动方案。该技能仅在用户明确表达决策困惑时激活。 ---在描述中写清楚“仅在用户明确表达决策困惑时激活”非常关键，否则它会频繁抢戏。主体部分我定义了顾问的人格边界：平实克制，不做道德评判，拒绝替用户做最终选择，所有提问面向事实而非情绪。同时规定了五步流程的执行顺序和输出格式，要求每一步都明确标记步骤名，防止流程混乱。另外我在SKILL.md里做了一条硬性约束：如果案例库中不存在匹配案例，宁可明确说“本案例库暂未找到结构相似的历史情境”，也不要硬编一个类比来迎合用户。这条约束在我后面的使用中救了很多次。4.2 一整套决策对话实例：从提问到行动为了让你直观看到效果，我贴出一段精简过的真实对话记录。主角是A同学，一个正在纠结要不要离职做独立开发的产品经理。A同学：我现在的困惑是，手头有一个稳定的产品经理岗位，但我想花一年时间做自己的独立产品，又怕收入断掉撑不住。决策顾问：【安顿】我先帮你把问题拆开。表面上是去留选择，深层冲突是“稳定现金流”与“自主创造空间”。请告诉我：你目前可支持个人生活开支的现金储备是多少个月？离职做技术变现的预案和时间边界是什么？【照镜】案例库中有类似结构的情境：商队首领在物资不足时面临分兵或慢行。引用案例H-072：当资源结构不支持同时达成两个目标时，必须优先计算生存线，再谈发展。你的生存线是多长时间不依赖他人收入而不影响生活？【审机】选项A：继续工作同时利用业余时间验证。优点是有现金流支撑；缺点是高强度的主业会挤压有效产出时间。选项B：裸辞全力投入。优点是时间完整；缺点是生存焦虑会侵蚀创作质量。请补充：你的独立产品是否已经做了用户访谈或原型验证？【致知】我的提问是：如果给这次选择设置一个三年回望期，你最不愿意看到的结果是什么？是“尝试过失败”还是“没尝试而长期后悔”？请区分你的判断到底源于恐惧还是事实。【笃行】我不替你选A或B。我把它压缩成未来24小时的一个动作：先写下你独立产品的获客假设和验证指标，同时列清你可用现金的年化安全月数。做完这一步，你再来决定是否值得成年人式地冒一次险。看完这段对话你应该发现了，它全程没有给出“我建议你辞职”或“我建议你留守”，但把决策所需的材料都摆到了桌面上，最关键的是，它把决策从“想清楚”推进到了“明天做什么”。4.3 测试与调优：让Skill越来越可靠技能开发完成后，我建了一组决策测试用例反复跑，覆盖职业选择、业务权衡、产品功能取舍、承诺困境等类型。每次测试我会重点看四个指标：案例相关性是否高、提问是否穿透到真实顾虑、行动建议是否足够具体、有没有出现空泛鸡汤。运行几轮后发现一个典型问题：当用户表达不清时，技能会跳过安顿直接进入案例匹配，导致后续全部跑偏。修复方案很简单，在SKILL.md里加了强制规则——用户没有把“事实、情绪、目标”三要素说清楚前，不允许进入照镜阶段。另一个高频问题是“审机”阶段容易变成常规利弊表。我的调优是为每个选项强行增加“致命弱点”提问：请列出能让这个选项彻底失败的前提条件。这个改动让用户被迫面对最难堪的失败场景，思考质量明显提升。5. 真实使用中的问题与避坑建议5.1 高频问题速查表问题现象可能原因解决方案案例匹配总是飘，关联感弱标签设置太宽泛精化二级标签，加入同义词与近义场景建议变成励志语录缺少追问环节在流程中强制插入“致命弱点”提问行动计划太空泛缺少约束机制强制“单一动作 + 时间 + 检验标准”三要素用户不想回答问题安顿环节太生硬把问题包装成“帮你把问题拆开”，减少压力感无匹配案例时硬编类比没有写边界规则明确要求“无匹配则明说无匹配”，禁止编造对话太长，耗尽耐心步骤输出太多每步限制要点数量，信息用短列表呈现5.2 我踩过的三个坑第一个坑是案例库初始形态。我最早直接存长文本故事，检索时AI只能靠语义飘着关联。后来把几十条案例全部改成结构化JSON，每条增加迁移提示字段，匹配准确度和输出质量都上了一个台阶。第二个坑是心学部分严重失控。早期提示词只写了“参考心学理念”，结果AI输出了一堆“放下执念”“顺应内心”之类的万能短语。后来我把每个心学命题拆成必答问题，要求AI只能以提问形式表达，不能空谈概念，问题立刻解决了。第三个坑最隐蔽：对话越理性，用户越焦虑。我一开始把流程设计得冷冰冰，每条输出都是长段分析。后来发现用户要的不仅是分析，而是被接住的感觉。于是我加了安顿环节，并且要求笃行阶段必须输出“今天就能做的一件小事”。加了这两个人性化的触点之后，使用体验明显不同。5.3 值得继续做深的方向目前这个决策顾问已经能在我的项目工作流里稳定运行。接下来我计划做三件事扩展。第一，导入个人决策复盘档案。把过去自己做的重大决策按同样的JSON结构录入，形成私人案例库。这样AI顾问既能引用历史智慧，也能引用“我自己的经验”，说服力会更强。第二，建立决策跟踪闭环。每次做完决策后生成一份决策档案，记录当时的判断依据、预期结果和情绪状态。三个月后让技能唤回这份档案做复盘，检验判断质量。这就把“事上磨练”真正落到了个人成长层面。第三，做领域化配置。当前案例库偏通用，后续想针对创业融资、团队管理、自由职业等垂直场景分别构建子库，配合不同的角色类型和约束标签，让匹配更精准。我在实际使用中最大的体会是：工具永远不该替你决策，它真正应该做的是，把模糊的害怕翻译成清晰的下一步。历史案例提供的是“你不是第一个遇到这种困境的人”的参照，心学提供的是“想清楚了就该行动”的推力，而Claude Code的Skill机制把这两者变成了一套随时可调用的稳定流程。最后分享一个小技巧：我在SKILL.md里加了一条自查指令——每次输出结论前，强制自问一句“如果只保留一条可执行建议，我会留下哪一条”，然后把其余分析全部压缩进背景信息里，只把这一条放在最显眼的位置。这条约束治好了我做决策顾问以来最烦人的毛病：输出太长、重点丢失。少即是多，尤其对一个帮你做决定的工具而言。