SuperAPI AI 工具集

s4h-strategy-victory

智能体与模型

查看项目

更新于 10-16 10:15

技能介绍

用途

s4h-strategy-victory 是一个战略规划技能,用于在一场竞争或对抗开始之前,先定义清楚「获胜」究竟意味着什么。它的核心目的是防止「皮洛士式陷阱」(pyrrhic trap)——即以牺牲更大目标的方式去赢得局部胜利。

其思想基础来自克劳塞维茨《战争论》的中心论点:「战争是政治以另一种手段的延续。」军事对抗本身不是目的,而是达成政治目的的手段。一旦指挥官忘记政治目标、单纯为军事胜利做优化,他在战略上就已经失败了——因为一场破坏政治目标的军事胜利,比一份谈判解决的方案更糟。同一原则适用于任何对抗:一家靠摧毁自身利润率来赢得价格战的公司,赢了战斗却输了生意;一个赢下庭审却耗费三年、最终判决价值低于本可达成和解的法律团队,赢了判决却输了案子;一个榨取所有可能让步、却毁掉执行所需关系的谈判者,赢了谈判却输了结果。皮洛士式陷阱的根源,就是未能在对抗替你定义「胜利」之前,自己先定义好它。

孙子的推论是:「不战而屈人之兵,善之善者也。」这不是主张消极,而是承认代价最低的胜利才是正确的目标。需要付出最大代价的胜利,即使成功也是战略失败。最低胜利条件之所以存在,正是为了防止把一场已经赢下的对抗过度推进。

主要能力与流程

该技能通过六个步骤引导用户:

步骤 1:陈述目标——你现在试图达成什么?按它当前的表述方式命名。随后进行框架检查,确认所分析的具体对抗和目标是否正确,并让用户选择继续、调整或重新界定。

步骤 2:真实目标——如果你达成了所陈述的目标,实际会得到什么?陈述目标背后那个目标(用克劳塞维茨的话说,就是政治目的)是什么?为什么陈述目标重要?有时陈述目标就是真实目标,但它常常是更深层事物的代理,赢下代理却输掉底层目标,正是皮洛士式陷阱。

步骤 3:最低胜利——你最低限度会接受的、算作胜利的结果是什么?必须满足什么条件,这次努力才算值得?最低胜利条件在事前往往看起来不令人满意,感觉像妥协——但它们不是,它们是防止把对抗推进到超出价值点的保护措施。

步骤 4:最高胜利——什么结果会明确无误地意味着你赢了?什么结果让代价无论多少都显然值得?最高胜利条件的功能不同:它告诉你一旦达到就该停止施压。

步骤 5:皮洛士式检查——以最大力度取胜的代价是什么?以最小力度呢?在可能的代价下,最高胜利值得吗?最低胜利值得吗?列出推进这场对抗可能失去的具体事物——关系、资本、时间、声誉、灵活性。什么情况会构成即便赢了也是皮洛士式的结果?

步骤 6:胜利识别——你怎么知道自己已经赢了?什么可观察的条件告诉你可以停止?这一步最常被跳过,而它的缺失会导致对抗越过其目标继续推进,为一个已经达成或已经无法达成的目标继续消耗资源。

在每个阶段之间,技能会通过 AskUserQuestion 工具进行「人类检查点」,说明对情境的解读并让用户选择分析深度:完整分析、仅关键发现、聚焦某一方面、或重新界定。

输出格式

技能输出一份「胜利定义」,包含:陈述目标、真实目标、最低胜利、最高胜利、皮洛士式检查、胜利识别条件。

适用场景

该技能应在其他任何战略技能之前运行,当目标不清晰时尤其如此——所有其他技能都服务于一个已定义的目标,没有目标,它们只会为错误的问题给出结构良好的答案。它与 /s4h-strategy-force-economy 紧密配合:知道最低和最高胜利条件,会决定应投入多少力量、以及何时达到最低条件。当皮洛士式检查显示最高胜利的代价不可接受时,可借助 /s4h-strategy-alliance 和 /s4h-strategy-positioning 在对抗开始前判断代价能否降低。

后续动作

交付输出后,技能会提供下一步选项:/s4h-strategy-positioning(定位以达成胜利条件)、/s4h-decision-premortem-analysis(压力测试胜利定义)、/s4h-strategy-timing(推进胜利的时机把握),或结束并综合已有内容。

限制

资料未提供该技能的具体技术实现、运行平台、是否需要特定模型支持、收费标准或价格等信息,暂未提供。