构建一致性

通过独立评估、显式的大声推理倡导、置信度校准的承诺阈值和结构化僵局解决，从多条推理路径中产生一致的决策。

适用场景

• forage-solutions 已识别多个有效方案，需要做出选择
• 在两种方案之间摇摆不定，无法做出承诺
• 需要用结构化推理论证决策（架构选择、工具选择、实现策略）
• 先前的决策基于直觉，需要基于证据的验证
• 内部推理产生矛盾结论，需要恢复一致性
• 在不可逆行动（合并、部署、删除）之前，错误选择的代价很高

输入

• 必需：两个或更多需要评估的竞争方案
• 可选：先前侦察的质量评估（参见 forage-solutions）
• 可选：决策风险等级（可逆、中等、不可逆）用于阈值校准
• 可选：决策的时间预算
• 可选：已知的失败模式（摇摆不定、过早承诺、群体思维）

步骤

第 1 步：独立评估

在比较之前，基于各自优点评估每个方案。关键规则：不要让对方案 A 的评估影响对方案 B 的评估。

对每个方案独立评估：

Approach Evaluation Template:
┌────────────────────────┬──────────────────────────────────────────┐
│ Dimension              │ Assessment                               │
├────────────────────────┼──────────────────────────────────────────┤
│ Approach name          │                                          │
├────────────────────────┼──────────────────────────────────────────┤
│ Core mechanism         │ How does this approach solve the problem? │
├────────────────────────┼──────────────────────────────────────────┤
│ Strengths (2-3)        │ What does this approach do well?          │
├────────────────────────┼──────────────────────────────────────────┤
│ Risks (2-3)            │ What could go wrong? What is assumed?     │
├────────────────────────┼──────────────────────────────────────────┤
│ Evidence quality        │ How well-supported is this approach?      │
│                        │ (verified / inferred / speculated)        │
├────────────────────────┼──────────────────────────────────────────┤
│ Quality score (0-100)  │ Overall assessment                        │
├────────────────────────┼──────────────────────────────────────────┤
│ Confidence (0-100)     │ How confident in this assessment?         │
└────────────────────────┴──────────────────────────────────────────┘

为每个方案分别填写此表。在所有独立评估完成之前，不要进行比较。

预期结果： 每个方案都按自身条件被评估的独立评估。对方案 B 的评估不引用方案 A。质量分数反映真实评估，而非排名。

失败处理： 如果评估被污染（在评估 B 时发现自己在写"比 A 好"），重置。先完整评估 A，然后清除框架，从头评估 B。如果分数全部相同，说明评估维度太粗——添加特定领域的标准。

第 2 步：摇摆舞——大声推理

按质量比例为每个方案进行倡导。这是蜜蜂摇摆舞的 AI 等价物：使隐式推理变得显式和公开。

1. 对每个方案，陈述支持它的理由——如同向一个持怀疑态度的用户做演示：
   • "方案 A 很强，因为[证据]。主要风险是[风险]，可通过[缓解措施]减轻。"
2. 倡导强度应与质量分数成正比：
   • 高质量方案：带有具体证据的详细倡导
   • 中等质量方案：承认局限性的简要倡导
   • 低质量方案：为完整性而提及，但不积极倡导
3. 交叉检验：在为 A 倡导后，积极寻找支持 B 的证据。在为 B 倡导后，寻找支持 A 的证据。这可以抵消确认偏见

大声推理的目的是使决策可审计——对你自己和对用户都是如此。如果推理无法被阐述，说明评估比分数所暗示的要浅薄。

预期结果： 对每个方案的显式推理，能够说服中立的观察者。交叉检验至少揭示一个最初被忽略的考虑因素。

失败处理： 如果倡导感觉敷衍（走过场），方案可能并非真正不同——它们可能是同一想法的变体。检查：方案在机制上不同，还是仅在实现细节上不同？如果是后者，决策可能不太重要——选择任一个然后继续。

第 3 步：设定群体阈值并承诺

设定承诺所需的置信度阈值，根据决策的风险等级进行校准。

Confidence Thresholds by Stakes:
┌─────────────────────┬───────────┬──────────────────────────────────┐
│ Decision Type       │ Threshold │ Rationale                        │
├─────────────────────┼───────────┼──────────────────────────────────┤
│ Easily reversible   │ 60%       │ Cost of trying and reverting is  │
│ (can undo)          │           │ low. Speed matters more than     │
│                     │           │ certainty                        │
├─────────────────────┼───────────┼──────────────────────────────────┤
│ Moderate stakes     │ 75%       │ Reverting has cost but is        │
│ (costly to reverse) │           │ possible. Worth investing in     │
│                     │           │ evaluation                       │
├─────────────────────┼───────────┼──────────────────────────────────┤
│ Irreversible or     │ 90%       │ Cannot undo. Must be confident.  │
│ high-stakes         │           │ If threshold not met, gather     │
│                     │           │ more information before deciding │
└─────────────────────┴───────────┴──────────────────────────────────┘

1. 分类决策的风险等级
2. 检查：领先方案的质量分数乘以置信度是否达到阈值？
3. 如果是：承诺。陈述决策、推理和正在接受的主要风险
4. 如果否：确定什么额外信息能将置信度提高到阈值
5. 一旦承诺，除非出现新的否定证据，否则不要重新审视

预期结果： 清晰的承诺时刻，附带陈述的推理。决策在与其风险等级相匹配的适当置信水平上做出。

失败处理： 如果阈值永远无法达到（对不可逆决策无法达到 90%），问：决策真的是不可逆的吗？能否将其分解为可逆的测试阶段加不可逆的提交阶段？大多数看似不可逆的决策可以分阶段进行。如果无法分阶段，向用户传达不确定性并寻求指导。

第 4 步：解决僵局

当两个或更多方案的分数相近，且没有任何单个方案达到群体阈值时。

Deadlock Resolution:
┌────────────────────────┬──────────────────────────────────────────┐
│ Deadlock Type          │ Resolution                               │
├────────────────────────┼──────────────────────────────────────────┤
│ Genuine tie            │ The approaches are equivalent. Pick one  │
│ (scores within 5%)     │ and commit. The cost of deliberating     │
│                        │ exceeds the cost of picking the "wrong"  │
│                        │ equivalent option. Flip a coin mentally  │
├────────────────────────┼──────────────────────────────────────────┤
│ Information deficit    │ The tie exists because evaluation is     │
│ (scores uncertain)     │ incomplete. Invest one more specific     │
│                        │ investigation — a targeted file read, a  │
│                        │ quick test — then re-score               │
├────────────────────────┼──────────────────────────────────────────┤
│ Oscillation            │ Scoring keeps flip-flopping depending on │
│ (scores keep changing) │ which dimension gets attention. Time-box:│
│                        │ set a timer, evaluate once more, commit  │
│                        │ to the result regardless                 │
├────────────────────────┼──────────────────────────────────────────┤
│ Approach merge         │ The best parts of A and B can be         │
│ (compatible strengths) │ combined. Check for compatibility. If    │
│                        │ merge is coherent, use it. If forced,    │
│                        │ don't — pick one                         │
└────────────────────────┴──────────────────────────────────────────┘

预期结果： 僵局通过适当的机制得到解决。解决方案是果断的——没有损害执行的残留疑虑。

失败处理： 如果僵局在所有解决策略后仍然存在，决策可能为时尚早。询问用户："我看到两个同样强大的方案：[A] 和 [B]。[简要阐述各自的理由。] 哪个更符合你的优先级？"将真正的平局委托给用户不是失败——而是承认决策取决于 AI 无法推断的价值观。

第 5 步：评估一致性质量

在承诺决策后，评估过程是否产生了真正的一致性还是仅仅是一个决策。

1. 决策是基于证据的，还是对初始偏好的橡皮图章？
   • 测试：评估前后的偏好是否相同？如果是，评估改变了什么？
2. 落选方案是否被真正考虑，还是它们是稻草人？
   • 测试：你能阐述落选方案的最强理由吗？
3. 什么信号会触发重新评估？
   • 定义一个会使决策失效的具体观察（"如果我发现 API 不支持 X，那么方案 B 变得更好"）
4. 落选方案中是否有应该影响实施的有用信息？
   • 在方案 B 中识别的风险可能同样适用于方案 A

预期结果： 简要的质量检查，确认决策或将其识别为薄弱。如果薄弱，返回适当的早期步骤而非在不稳固的基础上继续。

失败处理： 如果质量检查揭示决策是基于偏好而非基于证据的，坦诚承认。有时偏好是唯一可用的——但它应该被标记为偏好，而不是被包装成分析。

验证清单

• 每个方案在比较之前被独立评估
• 倡导与质量成正比（而非不论优劣给予同等关注）
• 执行了交叉检验（倡导后寻找反面证据）
• 群体阈值根据决策风险等级进行了校准
• 如果出现僵局，应用了具体的解决策略
• 执行了决策后质量检查
• 定义了重新评估触发条件

常见问题

• 过早承诺：在评估所有方案之前就做出决策。首先考虑的方案具有锚定优势——仅因为是第一个被考虑的就获得更多关注。先评估全部再比较
• 对不等方案给予同等倡导：如果方案 A 得 85 分而方案 B 得 45 分，花费同等时间为两者倡导是浪费精力且制造虚假等价
• 橡皮图章：走过评估流程以论证一个已经做出的决策。测试标准是评估是否能改变结果。如果不能，过程就是表演
• 阈值回避：降低置信度阈值以使决策更容易，而不是收集达到适当阈值所需的信息
• 忽视落选方：落选方案通常包含适用于获胜方案的警告。在方案 B 中识别的风险不会因为选择了方案 A 就消失

相关技能

• build-consensus — 本技能改编自多代理共识模型，适用于单代理推理
• forage-solutions — 侦察一致性评估的解决方案空间；通常在本技能之前执行
• coordinate-reasoning — 管理多路径评估期间的信息流
• center — 建立无偏评估所需的平衡基线
• meditate — 清除评估不同方案之间的假设