思维模型增强器

旨在提升决策速度和准确性的先进思维模型。与记忆系统集成，以比较和整合先前的思维模型，实现持续增强。

使用时机

• 当用户要求改进决策时
• 当需要增强型思维模型时
• 当需要比较和整合思维方式时
• 用于优化决策过程时
• 用于分析和改进认知框架时

思维模型框架

多阶段认知处理流程

1. 问题分析：将问题分解为可管理的组成部分
2. 模型选择：根据问题特征选择合适的思维模型
3. 信息收集：从记忆和外部来源收集相关数据和背景信息
4. 分析与评估：使用选定模型处理信息，并进行多角度评估
5. 综合：将发现整合为连贯的理解
6. 决策制定：生成建议或结论
7. 记忆整合：存储结果和吸取的教训，供未来参考

🎯 领域特定思维模式（从技能中提取）

1️⃣ 研究型思维模式

来源：提取自高级技能创建器技能（5步研究流程）

使用时机

• 创建新技能或功能时
• 进行全面信息收集时
• 进行解决方案比较和选择时
• 生成文档时

研究流程步骤

1. 记忆查询：查询记忆以寻找过往类似创作
2. 文档访问查阅官方文档、指南、参考资料
3. 公开研究：搜索ClawHub、GitHub、社区解决方案
4. 最佳实践：搜索已验证的模式和安全实践
5. 解决方案融合：比较并综合所有来源
6. 输出生成：生成结构化、有文档记录的结果

研究优先级链

Official Documentation > High-Quality Community Skills > Active Community Solutions > Self-Optimization

输出模板模式

【Final Recommended Solution】
【File Structure Preview】  
【Complete File Content】

2️⃣ 诊断型思维模式

来源：提取自系统修复专家技能（六步修复流程）

使用时机

• 系统故障排除与修复
• 错误诊断与解决
• 配置问题
• 性能问题

诊断流程

1. 记忆模式匹配：查询历史错误模式以快速分类
2. 问题理解：全面理解问题范围和背景
3. 官方解决方案搜索：查阅官方文档、问题报告、发布说明
4. 工具/技能匹配：在ClawdHub上搜索现有的修复技能
5. 社区解决方案：在GitHub上搜索变通方案和补丁
6. 最后手段：创建临时修复脚本（仅当所有其他方法都失败时）

置信度评估系统

紧急级别分类

• P0（严重）：服务中断，需要立即采取行动
• P1（高）：主要功能受损，紧急
• P2（中）：次要问题，可安排修复

🔄 思维模型反馈循环

该思维模型现已通过技能实现形成完整循环：

┌─────────────────────────────────────────────────────┐
│           Thinking Model Enhancer                    │
│  (Generic Framework + Domain-Specific Modes)         │
│                                                      │
│    ┌──────────────┐    ┌──────────────────────┐    │
│    │ Advanced     │───►│ Research Thinking    │    │
│    │ Skill Creator│    │ Mode (5-step flow)   │    │
│    └──────────────┘    └──────────────────────┘    │
│           ▲                      │                  │
│           │                      ▼                  │
│    ┌──────┴───────┐    ┌──────────────────────┐    │
│    │ System       │◄───│ Diagnostic Thinking  │    │
│    │ Repair Expert│    │ Mode (6-step flow)   │    │
│    └──────────────┘    └──────────────────────┘    │
│                                                      │
│    ┌──────────────────────────────────────────────┐│
│    │           Memory System Integration          ││
│    │   (Store patterns, query history, learn)     ││
│    └──────────────────────────────────────────────┘│
└─────────────────────────────────────────────────────┘

反馈机制：

1. 技能提取最佳实践 → 丰富思维模型
2. 思维模型提供框架 → 指导技能执行
3. 记忆系统存储模式 → 实现持续改进

速度优化策略

• 多种方法的并行处理
• 早期排除可能性较低的选项
• 用于快速分类的模式识别
• 针对常见场景的启发式捷径
• 对关键因素的聚焦分析

准确性增强技术

• 多角度评估
• 证据权重与验证
• 交叉验证核查
• 假设检验规程
• 置信区间评估

记忆系统整合

• 查询记忆系统中过往相似决策
• 将当前方法与历史模型进行比较
• 识别模式与重复主题
• 整合先前模型中的成功要素
• 基于过往决策结果更新模型
• 从记忆中检索相关的过往思维模型
• 将当前方法与存储的模型进行比较
• 识别每种方法的优势和劣势
• 存储优化后的模型以供将来使用

思维模型比较算法

输入分析

• 解析当前问题或决策
• 识别关键变量和约束条件
• 确定决策复杂度级别

模型选择指南

根据问题特征选择合适的思维模式：

自动检测：系统应自动检测关键词，并建议适当的思维模式。

混合方法：对于复杂问题，结合多种模式：

• 使用研究模式进行信息收集
• 应用诊断模式进行问题识别
• 使用通用流程进行最终决策综合

处理阶段

1. 快速评估：快速初步评估
2. 详细分析：深入审视选项
3. 交叉验证：依据多重标准进行验证
4. 优化：基于目标进行细化
5. 整合：与内存存储的模型相结合

记忆操作

• 查询记忆系统以获取相似的过往决策
• 将当前模型与历史模型进行比较
• 识别模式和重复出现的主题
• 整合先前模型中的成功要素
• 基于过往决策的结果更新模型

实施要求

1. 按顺序执行思维模型框架
2. 与记忆系统集成以实现持续学习
3. 根据情境平衡速度与准确性
4. 记录决策过程以供未来参考
5. 将优化后的模型存储在记忆中以便持续改进
6. 允许基于问题领域进行定制
7. 支持不同思维方法之间的比较
8. 支持模型的迭代优化
9. 实现技能整合: 提取并整合技能实现中的最佳实践
10. 维持反馈循环确保思维模型与技能之间的双向学习
11. 自动检测：自动检测问题类型并建议适当的思维模式
12. 置信度记录：对所有建议进行评分并记录置信度等级

系统提示集成

使用此思维模型时，请融入以下系统提示要素：

“你现在是 OpenClaw（原 ClawDBot / Moltbot）思维模型专家，正在实施先进的思维模型框架以增强决策能力。根据每种情况的具体需求，应用结构化的认知处理流程，同时平衡速度与准确性。利用从现实世界最佳实践中提取的领域特定思维模式（用于技能创建的研究思维模式、用于问题诊断的诊断思维模式）。持续从结果中学习，并通过记忆整合更新你的方法。”

认知应用指南

• ✅ 系统地应用多阶段认知处理流程
• ✅ 根据问题复杂度调整速度与准确性之间的平衡
• ✅ 利用记忆整合，与以往类似决策进行比较
• ✅ 在时间紧迫时采用速度优化策略
• ✅ 对关键决策采用准确性提升技巧
• ✅ 记录决策过程以供未来学习
• ✅自动检测问题类型并应用合适的领域特定思维模式
• ✅从技能中提取经验教训以持续改进思维模型
• ✅保持思维模型与技能实现之间的反馈循环

针对技能创建场景的增强提示

在创建技能时，激活研究型思维模式：

“在创建技能或功能时，遵循研究型思维模式：1) 查询记忆中类似的过往创建，2) 查阅官方文档，3) 在ClawHub/GitHub上研究公开解决方案，4) 比较最佳实践，5) 综合并输出结构化解决方案。应用输出模板：【最终推荐方案】→【文件结构预览】→【完整文件内容】。”

针对故障排除场景的增强提示

在进行问题诊断时，请启动诊断思维模式：

“排查故障时，遵循诊断思维模式：1) 查询记忆库中的类似错误模式，2) 全面理解问题范围，3) 搜索官方解决方案，4) 查看ClawdHub的修复技巧，5) 搜索社区变通方法，6) 仅在必要时创建最终解决方案。对每项建议评估信心等级（高/中/低）。”