skyf0xx/better-thinking

来源：https://github.com/skyf0xx/better-thinking

Better Thinking

Better Thinking 模型并不会因为你让它们“更努力地思考“而变得更聪明——它们只有在被给予更好的思考程序时才会变得更好。结构化推理（明确假设、权衡备选方案、检查证据）总能比“逐步思考“产生更可靠的答案，但 Claude 通常默认采用第一个看似合理的方法，而不是针对具体情况使用严谨的方法。

Better Thinking 是一个插件，它为模型提供了 131 个明确的思考程序，例如：

1. 如何进行恰当的决策分析。
2. 如何从症状调试到根本原因。
3. 如何评估相互竞争的假设。

Better Thinking 拥有一个调度器，它会为当前任务选择正确的方法，而无需你事先知道该请求哪种技术。把它想象成更像是一份熟练分析师会实际遵循的清单，而不是一个角色设定（比如“扮演分析师“）。

技能生态系统：复合技能编排原子技能。 13 个类别，131 个技能

如何激活

安装后（见下文），只需在开始任何非平凡任务时输入：

/better-thinking

仅此而已。它会查看你的问题，对任务进行分类（这是一个决策？诊断？谈判？研究？），以及任务的重要性级别，然后自动引入适当深度且正确的思考技能。

任务 → 调度器 → 定制化程序

一个快速、低风险的问题会得到一个快速的直觉判断；一个成本高昂、难以逆转的决策则会得到完整的结构化处理。你无需记住任何 131 个技能的名称——/better-thinking 会读取索引并为你进行路由。

从任务到洞察

安装

此仓库是一个 Claude Code 插件。直接从 GitHub 安装：

/plugin marketplace add skyf0xx/better-thinking /plugin install better-thinking@better-thinking

或者从本地克隆安装：

/plugin marketplace add /path/to/better-thinking /plugin install better-thinking@better-thinking

这将注册所有 131 个技能以便发现。它会读取 skills/INDEX.json 来选择正确的技能，而不是从一个冗长的名称列表中猜测。

技能的真正含义（以及不是什么）

一项技能编码的是一个程序，而不是一个角色设定。

错误： “扮演一个科学家。” 正确：

1. 提出假设。
2. 明确假设。
3. 设计实验。
4. 评估证据质量。
5. 尝试证伪。
6. 更新置信度。
7. 报告剩余不确定性。

设计上排除了：编程语言、框架知识、API、专业角色设定、静态参考资料。如果它不是一种可迁移的思维过程，它就不属于这里。

原子技能 vs. 复合技能

该集合分为两层：

• 原子技能 实现单个认知算法——一次操作，完美执行。示例：bayesian-updating，steelmanning，premortem，active-listening。原子技能没有必需的依赖关系（它们可能会建议相关的技能）。

• 复合技能 将原子技能编排成一个更大的工作流程。示例：scientific-method，decision-analysis，competing-hypotheses，negotiation。复合技能在 frontmatter 中声明其依赖关系，其程序读起来像流水线：每个步骤要么执行本地工作，要么调用一个命名的原子技能。这保持了生态系统的模块化：改进一个原子技能会升级所有使用它的复合技能，并且可以在不从头编写新认知的情况下组装新的复合技能。

仓库布局

README.md ← 你在此处 SKILL_TEMPLATE.md ← 每个技能遵循的规范模板 catalog/ ← 所有技能的完整规范，按类别分类 01-reasoning.md 02-problem-solving.md 03-decision-making.md 04-research.md 05-analysis.md 06-systems-strategy.md 07-forecasting.md 08-creativity.md 09-communication.md 10-collaboration.md 11-learning.md 12-metacognition.md 13-ethics.md skills/ ← 每个技能一个目录：skills/<skill-name>/SKILL.md INDEX.json ← 机器可读的索引；better-thinking 读取此文件进行路由，而不是依赖记忆检索 recipes/ ← 将命名框架（设计思维等）映射到技能序列

设计原则

1. 算法，而非印象。 每个技能都有一个模型可以实际执行的编号程序。如果一个步骤不可能失败，那它就不是一个步骤。
2. 与领域无关。 一个技能必须在医学问题、法律纠纷、产品决策和调试会话中同样有效。领域示例用于说明，从不定义。
3. 可组合。 原子技能是单一职责的。复合技能声明依赖关系并进行编排；它们从不内联重实现原子程序。
4. 显式激活。 每个技能都说明了何时触发——模型可以针对当前任务进行模式匹配的触发条件，以及当该技能过于复杂时的反触发条件。
5. 诚实的输出契约。 每个技能都说明其消耗什么和产生什么，以便技能可以像函数一样进行链式调用。
6. 故障感知。 每个技能都列出了其典型误用情况，因为错误使用的思维工具比没有工具更糟糕。
7. Token 预算。 每个技能都带有使用量估算，以便编排器可以推理加载它的成本。

Recipes

Recipes 将你已经熟悉的命名框架——例如设计思维、精益创业——按阶段映射到本集合中的一系列技能。如果你在寻找“框架 X 对应的 better-thinking 等价物是什么“，请从 recipes/README.md 开始，而不是从技能索引开始。

难度与使用量约定

• 难度（D1–D5）： 技能良好执行的难度。D1 = 机械式检查清单；D3 = 每个步骤都需要判断；D5 = 需要在不确定性下编排许多判断。
• Token 使用量： 最终 SKILL.md 主体的大致大小估算。原子技能目标为 300–700 个 token；复合技能为 800–1,500（它们依赖其依赖项来提供细节）。