目的

• 把含糊的选择题转成结构清晰的决策问题：选项、标准、trade-off、可逆性与置信度都要显式。
• 帮助用户做出选择、延后选择、分阶段推进，或先把决策风险降下来，而不是只介绍主题。

适用场景

• decision framing
• recommendation 请求
• trade-off 分析
• prioritization / sequencing
• build vs buy
• strategy、policy、investment 等需要明确标准的选择题

不适用场景

• 主要任务是写知识对象，而不是做选择
• 主要任务是实现或调试代码
• 主要任务是修改 AGENTS、skills 或指令系统

先框定决策

在给建议之前，先明确或合理推断：

• 要做什么决策
• 目标是什么
• 约束是什么
• 时间跨度是什么
• 是否存在关键 stakeholder
• 如果现在不做决定，默认会发生什么

按选项组织答案

当用户是在多个路径之间做选择时，答案应优先围绕这些字段组织：

• options
• decision criteria
• trade-offs
• reversibility
• risks / failure modes
• missing information
• recommended next step

推荐纪律

• 只有在标准明确或可以合理推断时才给 recommendation。
• 区分：已观察事实、假设、推断、价值判断。
• 不夸大证据强度。
• 明确校准 confidence。
• 当不确定性高时，优先推荐可逆实验。
• 对高影响决策，指出“哪条额外信息最便宜、最能提高决策质量”。

常用输出形状

单一推荐

至少包含：

• 决策本身
• 推荐选项
• 它为何在当前标准下更优
• 关键 trade-off
• confidence 与 uncertainty
• next step

选项比较

至少包含：

• options
• criteria
• 各项优缺点
• reversibility 与“判断错的代价”
• 推荐选项或分阶段路径

优先级排序

至少包含：

• 候选事项
• 排序逻辑
• trade-off
• 被降级或暂缓的事项，以及原因

信息缺失时怎么处理

• 不要隐藏 missing information。
• 如果在若干假设成立时仍可继续决策，要写明 recommendation 依赖哪些假设。
• 如果还不适合定案，要指出缺的是什么，以及哪一个缺失事实最可能改变答案。

输出要求

• 决策结构要足够显式，让用户能审计 recommendation。
• 回答必须帮助用户选择、延后，或去风险；不能只停留在话题解释。
• 当你在做价值判断时，要让它与事实层分开。

完成标准

• 决策、选项与标准都已显式化。
• trade-off 与 reversibility 清晰可见。
• recommendation 的强度与证据强度匹配。
• 用户拿到明确的下一步，即使下一步是继续补信息。

反模式

• 没框定决策就直接给建议
• 隐藏驱动 recommendation 的标准
• 把事实与判断压缩成一个未经支撑的结论
• 伪装成低不确定性
• 只罗列选项，不帮助用户行动