Skip to content
OpenAgentSkill
Browsing is open · Catalog captured 2026-11-21 · Automatic updates and account services are paused.
Other skills

fact-reason-goal-explainable-decision

用于需要解释Agent为什么得出某个业务判断、实时事实、业务规则和多个目标需要综合决策,用户出现“按事实事理目标分析”“这个决策依据是什么”或 fact-reason-goal, explainable decision, goal trade-off 等信号时调用。不适用于事实来源和任务目标均未明确。

SuperChason · Static checks on file

Installation

Read the source and dependencies before running a command. Copying does not install or execute anything.

npx skills add SuperChason/ontology-driven-ai-data-management-skills --skill fact-reason-goal-explainable-decision

About this skill


name: fact-reason-goal-explainable-decision description: | 用于需要解释Agent为什么得出某个业务判断、实时事实、业务规则和多个目标需要综合决策,用户出现“按事实事理目标分析”“这个决策依据是什么”或 fact-reason-goal, explainable decision, goal trade-off 等信号时调用。不适用于事实来源和任务目标均未明确。 metadata: tags: "fact, reasoning, goal, decision, explainability, enterprise-ai, ontology-driven" related-skills: "fact-reason-action-business-loop:depends-on, ontology-constraint-and-knowledge-injection:composes-with"

“事实—事理—目标”可解释决策

方法骨架

  • 把决策依据拆成实时事实、业务事理和明确目标。
  • 事实必须有来源、时间、版本和可信度,缺失或冲突不能静默补全。
  • 事理提供规则、因果、约束、权限和例外,形成可追溯推理路径。
  • 目标决定优化方向和取舍标准,多目标冲突要显式呈现。
  • 推理输出包含结论、证据、规则路径、备选方案和不确定性。
  • 低容错结论需通过权威依据或工具验证后再进入行动。

触发场景

用户会在什么情境下需要这个 Skill

  1. 需要解释Agent为什么得出某个业务判断
  2. 实时事实、业务规则和多个目标需要综合决策
  3. 决策结论要可追溯并支持人工复核

语言信号

  • “按事实事理目标分析”
  • “这个决策依据是什么”
  • “多个目标冲突怎么权衡”
  • 英文信号:fact-reason-goal, explainable decision, goal trade-off

与相邻 Skill 的区分

  • 与 fact-reason-action-business-loop:事实事理行动覆盖完整业务闭环;本 skill 专注一次决策的依据、目标和解释。
  • 与 risk-based-agent-action-modes:本 skill 形成决策;行动模式 skill 决定决策怎样安全地进入执行。

执行步骤

按当前任务选择必要步骤;已有可靠成果直接复用:

  1. 明确决策问题

    • 动作:定义决策对象、时间、可选方案、责任人和不可接受结果。
    • 完成标准:问题能产生有限个可比较方案。
  2. 核验事实

    • 动作:收集来源、时间、版本、可信度和冲突情况,标记缺失。
    • 完成标准:关键事实均有证据;无法核验的事实不进入确定性结论。
  3. 应用事理

    • 动作:逐条运行规则、因果、约束、权限和例外,保留推理路径。
    • 完成标准:每个中间结论能追溯到事实和规则。
  4. 权衡目标

    • 动作:明确目标优先级、阈值、冲突和有权裁决角色。
    • 完成标准:方案差异按同一目标体系比较。
  5. 输出可解释结论

    • 动作:给出建议、备选、证据、规则路径、不确定性和下一步。
    • 完成标准:低容错结论已验证;目标冲突或证据不足时升级人工。

固定输出

  • 决策问题卡:决策编号、对象、时点、责任人、备选方案和不可接受结果
  • 事实与证据表:事实、来源、时间、版本、可信度、冲突和缺失状态
  • 事理与推理路径表:规则、因果、约束、权限、例外、输入事实和中间结论
  • 目标与取舍矩阵:目标编号、优先级、基准、目标、阈值、冲突和裁决角色
  • 备选方案比较表:方案、事实支持、规则符合、目标效果、风险、可逆性和不确定性
  • 可解释决策结论:建议方案、备选方案、证据链、规则路径、目标权衡和剩余风险
  • 人工升级与待确认清单

无法核验的关键事实、无权裁决的目标冲突和低容错未验证结论分别标为受阻或需人工裁决。

使用边界

不要在以下情况使用

  • 事实来源和任务目标均未明确
  • 纯创意、审美或情感判断
  • 用户只要求定义Action接口

常见失败模式

  • 用通用逻辑直接驱动自主决策:概率推理替代了企业决策逻辑,执行工具又把语言偏差转化成了现实状态变更。
  • 在低容错场景接受概率性幻觉:概率生成与业务正确性目标不一致,且下游系统把文本结果当作可信决策依据。
  • 把文档检索等同于可执行知识:向量相似性提供相关片段,却不能保证业务关系、方向、约束和动作条件完整呈现。
  • 用错误本体生成训练数据并放大偏差:同一语义缺陷被重复采样,训练优化把局部错误提升为模型的稳定决策倾向。

使用折扣与复核要求

  • 显式规则容易遗漏现实中的新因果,线上反馈和异常应持续补充事理。
  • 大模型生成形式结构无法直接证明业务语义正确,生产使用需保留专家确认、工具校验、真实用例和审计记录。

相关 Skills

  • depends-on → fact-reason-action-business-loop;事实事理行动覆盖完整业务闭环;本 skill 专注一次决策的依据、目标和解释。
  • composes-with → ontology-constraint-and-knowledge-injection。

审计信息

  • 历史验证:v0.1.0 路由测试 6/6;v0.4.0 已通过输出契约结构校验,跨平台行为继续按版本抽样
  • 首次公开版本:2026-08-21
  • 来源说明:方法框架受《本体驱动的 AI 数据管理》启发;仓库不包含原书正文。