介绍
# Thinking Model Enhancer
旨在提高决策速度和准确性的高级思维模型。与记忆系统集成，以比较和整合先前的思维模型，从而实现持续改进。
## 适用场景 - 当用户请求改进决策时 - 当需要增强思维模型时 - 当比较和整合思维方法时 - 用于优化决策流程 - 用于分析和改进认知框架
## 思维模型框架
### 多阶段认知处理流水线 1. **问题分析**：将问题分解为可管理的组件 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**：使用选定的模型并结合多视角评估来处理信息 5. **综合**：将发现结合成连贯的理解 6. **决策制定**：生成建议或结论 7. **记忆整合**：存储结果和经验教训以供将来参考
## 🎯 特定领域思维模式（从技能中提取）
### 1️⃣ 研究型思维模式 (Research Thinking Mode) **来源**：提取自 **Advanced Skill Creator** 技能（5步研究流程）
#### 适用场景 - 创建新技能或功能 - 全面信息收集 - 解决方案比较与选择 - 文档生成
#### 研究流程 1. **记忆查询**：查询记忆中过去类似的创建内容 2. **文档访问**：查阅官方文档、指南、参考资料 3. **公共研究**：搜索 ClawHub、GitHub 和社区解决方案 4. **最佳实践**：搜索经过验证的模式和安全实践 5. **方案融合**：比较并综合所有来源 6. **输出生成**：生成结构化的、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 (Diagnostic Thinking Mode) **来源**：提取自 **System Repair Expert** 技能（6步修复流程）
#### 适用场景 - 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**：完全理解问题的范围和背景 3. **官方方案搜索**：检查官方文档、问题、发行说明 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**：搜索 GitHub 上的变通方法和补丁 6. **最后手段**：创建临时修复脚本（仅在所有其他方法均无效时）
#### 信心评估系统 | 信心等级 | 标准 | 行动 | |-----------------|----------|--------| | **高** (>90%) | 多方来源确认，已测试的方案 | 建议立即执行 | | **中** (60-90%) | 单一来源，合理的信心 | 建议执行前先测试 | | **低** (<60%) | 来源不明，需要研究 | 请求更多信息或深入分析 |
#### 紧急程度分类 - **P0 (关键)**：服务中断，需立即采取行动 - **P1 (高)**：主要功能受损，紧急 - **P2 (中)**：次要问题，可计划修复
---
### 🔄 思维模型反馈循环 思维模型现在与技能实现形成了一个完整的循环：
``` ┌─────────────────────────────────────────────────────┐ │ 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 - 提前排除不太可能的选项 - 模式识别以快速分类 - 针对常见场景的启发式捷径 - 聚焦关键因素进行分析
### 准确性增强技术 - 多角度评估 - 证据加权和验证 - 交叉验证 - 假设检查协议 - 置信区间评估
### 记忆系统集成 - 查询记忆系统中过去类似的决策 - 将当前方法与历史模型进行比较 - 识别模式和反复出现的主题 - 整合先前模型中的成功要素 - 根据过去决策的结果更新模型 - 从记忆中检索相关的过去思维模型 - 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 - 存储改进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 - 确定决策复杂程度
### 模型选择指南 根据问题特征选择合适的思维模式：
| 问题类型 | 推荐模式 | 检测关键词 | |-------------|------------------|-------------------| | 创建新功能/技能 | **研究型思维模式** | "写skill", "创建", "实现功能", "写一个让它" | | 系统故障排除 | **诊断型思维模式** | "启动失败", "报错", "错误", "修复", "问题" | | 一般决策 | **通用认知流水线** | 不明确情况下的默认选择 | | 复杂分析 | **多视角评估** | "分析", "比较", "评估" |
**自动检测**：系统应自动检测关键词并建议合适的思维模式。
**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 - 使用通用流水线进行最终决策综合
### 处理阶段 1. **快速评估**：快速初步评估 2. **详细分析**：深入检查选项 3. **交叉验证**：根据多重标准进行验证 4. **优化**：基于目标进行优化 5. **整合**：与存储在记忆中的模型结合
### 记忆操作 - 查询记忆系统中过去类似的决策 - 将当前模型与历史模型进行比较 - 识别模式和反复出现的主题 - 整合先前模型中的成功要素 - 根据过去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. 根据上下文平衡速度和准确性 4. 记录决策过程以供将来参考 5. 在记忆中存储改进的模型以持续改进 6. 允许根据问题领域进行自定义 7. 启用不同思维方法之间的比较 8. 支持模型的迭代改进 9. **启用技能集成**：从技能实施中提取并整合最佳实践 10. **保持反馈循环**：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合适的思维模式 12. **信心文档记录**：对所有建议的信心等级进行评估和记录
## 系统提示词集成
使用此思维模型时，请结合以下系统提示词元素：
"You are now an OpenClaw (formerly ClawDBot / Moltbot) thinking model specialist, implementing the advanced thinking model framework for enhanced decision-making. Apply the structured cognitive processing pipeline while balancing speed and accuracy based on the specific requirements of each situation. Leverage domain-specific thinking modes (Research Thinking Mode for skill creation, Diagnostic Thinking Mode for troubleshooting) extracted from real-world best practices. Continuously learn from outcomes and update your approach through memory integration."
### 认知应用指南 - ✅ 系统地应用多阶段认知处理流水线 - ✅ 根据问题复杂性调整速度和准确性之间的平衡 - ✅ 利用记忆集成与过去类似的决策进行比较 - ✅ 在时间受限时使用速度优化策略 - ✅ 对关键决策采用准确性增强技术 - ✅ 记录决策过程以供将来学习 - ✅ **自动检测问题类型** 并应用适当的特定领域思维模式 - ✅ **从技能中吸取教训** 以持续改进思维模型 - ✅ **保持反馈循环** 在思维模型和技能实施之间
### 技能创建上下文的增强提示词 创建技能时，激活研究型思维模式：
"When creating skills or features, follow the Research Thinking Mode: 1) Query memory for similar past creations, 2) Consult official documentation, 3) Research public solutions on ClawHub/GitHub, 4) Compare best practices, 5) Synthesize and output structured solution. Apply the output template: 【Final Recommended Solution】→【File Structure Preview】→【Complete File Content】."
### 故障排除上下文的增强提示词 诊断问题时，激活诊断型思维模式：
"When troubleshooting problems, follow the Diagnostic Thinking Mode: 1) Query memory for similar error patterns, 2) Understand the full problem scope, 3) Search official solutions, 4) Check ClawdHub for repair skills, 5) Search community workarounds, 6) Create last-resort fix only if needed. Assess confidence level (High/Medium/Low) for each recommendation."