s4h-information
信息论工具包的入口技能，用于把信号、噪声、压缩、冗余与不确定性等问题路由到对应的信息技能。当你说“information”“signal vs noise”等时使用。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 11-06 00:14
通用与其它
53,607 个结果
s4h-information-entropy
基于香农熵衡量信息的不确定性、意外程度与信息量，用于判断某个来源或消息实际包含多少信息，并据此校准注意力与更新权重。
s4h-information-redundancy
该技能用于分析信息、结构、组织、沟通与时间层面的冗余，区分承担容错、纠错、强化或验证功能的“承重冗余”与无功能的“浪费性冗余”，并给出保留、移除或替换建议，同时标记单点故障与虚假安全。
s4h-information-signal-noise
一个用于从信息源中分离有效信号与背景噪声的技能，基于香农信噪比与维纳控制论思想，帮助识别真正重要的变化、列举噪声来源、评估信噪比并给出提升信号质量的策略。
s4h-logic
s4h-logic 是一个逻辑工具包的入口，根据用户情况路由到合适的逻辑技能，如逻辑委员会、逻辑检查、论证验证、一致性检查、因果映射、约束映射和逻辑修复器。
s4h-logic-council
Logic Council 是一个通过“逻辑推理委员会”来审查推理过程的技能。它针对一个论证、计划、推理链或结论，同时调用五个不同推理框架的顾问进行分析：形式逻辑、系统思维、贝叶斯推理、第一性原理和对抗性逻辑。每个框架从各自角度找出推理中的不同缺陷，例如无效推断、缺失反馈回路、忽视基础概率、把假设当作事实、以及未面对的最强反驳。随后进行同行评审，由主席综合出裁决，指出各框架一致发现的问题、分歧点、最强单一反驳，以及如何修补推理。适用于需要严格检验论证或决策逻辑的场景。
s4h-logic-fixer
s4h-logic-fixer 是一个用于诊断并修复错误推理的技能：针对有缺陷的论证、矛盾规格、不健全计划或无效推断，指出具体问题所在，并产出修正后的推理版本。
s4h-mindset
s4h-mindset 是「为人类而设的技能」工具集中思维模式工具包的入口技能。它根据用户所处的情境，将问题路由到合适的思维模式子技能：处理无法控制之事、建立幸福感、转变对失败的态度、重构负面想法，或设计进入心流的条件。该技能会先确认对情境的理解，再诊断应使用哪个工具，并让用户确认方向后执行。
s4h-narrative-tension-mapping
一个用于找出或构建叙事张力的技能：让沟通内容值得被关注。适用于“感觉太平淡”“没人参与”“让它更有说服力”等场景。
s4h-network
网络分析工具包入口技能，根据用户所处情境路由到正确的网络分析技能，覆盖中心性、传播、弱关系与网络效应。
s4h-play
s4h-play 是 play 工具包的入口技能，根据用户所处情境路由到合适的“游戏化思考”技能，用于打破固定思维模式、产生非常规可能性。适用于用户说“play”“think playfully”“flip this”等场景。
s4h-play-stimulus-generation
一个用于打破思维定势的创意技能：引入与问题无关的随机刺激，强制建立新联想，从而绕过熟悉的思考路径，产生更原创的方向。
s4h-probability-base-rate-anchoring
一个用于预测与估算的思维技能：先以历史基准率（外部视角）为锚，再根据具体因素调整，最终给出概率区间而非单点估计。适用于回答“基准率是多少”“我是否过于乐观”等问题。
s4h-resource-bottleneck-analysis
基于约束理论（TOC）的瓶颈分析技能：梳理流程或价值链各阶段，识别真正限制吞吐量的瓶颈，并给出利用、从属与提升瓶颈的建议。
s4h-sensory
s4h-sensory 是感官观察工具包的入口技能，用于对任意情境进行有纪律的观察与注意力管理。它会诊断当前需要哪类观察工作，并路由到 detail-mining、signal-detection 或 structured-observation 三个子技能之一。
s4h-sensory-detail-mining
一个用于“细节挖掘”的 AI 技能：从抽象描述中找出被忽略的具体细节，把“用户很沮丧”这类概括还原为具体的人、时刻、行为和原话，并识别被当作背景忽略的信息与缺失项。
s4h-systems-archetype-matching
该技能将圣吉（Senge）的八种经典系统原型用于诊断反复出现的系统行为，帮助判断当前情境属于哪种结构模式，并给出相应的高杠杆干预方向。适用于“问题总是重复”“修复反而让情况更糟”等场景。
s4h-systems-emergence-detection
用于识别复杂系统中“涌现属性”的技能：这些属性不存在于任何单个组件中，而由组件间的交互产生。适用于分析“涌现行为”“组件都正常但系统出问题”等情境，帮助定位产生属性的关键交互与干预点。
s4h-systems-feedback-mapping
该技能用于识别系统中的增强回路（+）与调节回路（−），适用于被要求“绘制反馈回路”“为什么这事反复发生”等场景。它通过界定系统边界、列出关键变量、映射因果链接、追踪回路、标注延迟并判断主导回路，帮助诊断系统行为。
s4h-systems-leverage-analysis
基于 Donella Meadows 杠杆点层级，帮助分析在何处进行小干预能产生大而持久的变化。适用于“我们该在哪里介入”这类系统干预问题，对候选干预进行分层、识别被忽略的高杠杆点并评估可行性。
s4h-temporal
s4h-temporal 是“时间思维工具包”的入口技能，用于把与时机、周期、时间跨度和未来相关的问题路由到合适的子技能，包括 cycle-detection、horizon-mapping、futures-mapping 和 timing-analysis。
s4h-temporal-cycle-detection
该技能用于判断某个情境属于哪种周期性循环，并定位当前所处阶段；适用于询问“这是什么周期”“我们现在处于哪里”等场景，帮助识别下一阶段、适用行动与偏离典型模式的信号。
s4h-temporal-futures-mapping
一个用于情景规划与未来思考的技能，通过构建可能、或然与可取的未来情景，帮助把决策放在多个可信世界中进行压力测试，识别稳健与脆弱的计划。
s4h-temporal-timing-analysis
一个用于判断“现在是否适合行动、等待或准备”的时机分析技能，适用于评估是否太早、是否该等待、窗口是否关闭等决策场景。