ThinkDeep 是一个扩展推理分析技能，使用顺序思考（sequential thinking）进行深度分析。它适用于深度探索、全面分析、复杂决策，或当你需要新视角时。
用途
ThinkDeep 用于对复杂问题进行深入推理和分析，帮助用户探索问题空间、评估多种方案并形成有依据的建议。它特别适合架构决策、复杂问题求解、假设验证、替代方案探索和风险评估。
主要能力
该技能通过以下步骤工作：
-
解析请求参数：从请求中提取核心思考请求、关注领域（如架构、性能、安全）、文件引用和问题上下文。
-
深度顺序分析：使用顺序思考工具（mcp__sequential-thinking__sequentialthinking）进行扩展推理，包括多个思考步骤：
- 上下文理解：分析当前会话上下文，了解已讨论内容、先前决策、用户约束和目标、已尝试的方案。
- 问题分解：将核心问题拆分为主要问题陈述、关键子问题或组件、底层假设和约束、成功标准和期望结果。
- 假设挑战：质疑底层假设，包括我们做了哪些假设、这些假设在当前上下文中是否有效、如果相反情况成立会怎样、需要考虑的替代视角。
- 替代方案探索：探索不同解决路径，包括常规方法及其优缺点、非常规或创新方案、不同选项之间的权衡、混合或组合方法。
- 上下文整合：纳入相关上下文，包括文件引用和代码模式、先前会话见解、用户特定技术栈、业务或项目约束。
- 边界情况分析：识别潜在问题，包括每种方法可能出什么错、边界情况和失败模式、可扩展性和性能问题、安全和维护影响。
- 风险评估：评估每个选项的风险，包括实施复杂度、技术债务潜力、团队技能要求、时间线和资源影响。
- 方案综合：将见解组合成建议，包括主要推荐方法、备用或替代选项、实施考虑、下一步和验证点。
在顺序思考过程中，可以使用 isRevision: true 来完善先前的思考，使用 branchFromThought 探索替代推理路径，使用 needsMoreThoughts: true 在需要时扩展分析。
-
批判性评估与综合：进行自我批判性问题（分析是否针对用户特定上下文、建议是否实际可行、是否考虑了最重要的约束、是否有盲点或缺失视角），进行上下文验证（与用户技术栈和偏好匹配、与会话中先前决策一致、考虑团队技能和资源的实际性、与现有系统或模式集成），最后形成最终综合：主要推荐（最佳方法及理由）、替代选项（备用计划及权衡）、实施指导（关键考虑和下一步）、风险缓解（如何解决已识别的问题）。
使用方式
该技能通过命令调用，支持以下用法示例：
- 基本深度分析：
/atelier-thinkdeep "Analyze my authentication architecture" - 带文件引用：
/atelier-thinkdeep "Evaluate my database schema with reference to models/user.py" - 带关注领域：
/atelier-thinkdeep "Assess my microservices design focusing on performance and security" - 复杂架构决策：
/atelier-thinkdeep "Should I use GraphQL or REST for my API considering team skills and scalability needs"
适用场景
- 架构决策：在主要设计方法之间选择时。
- 复杂问题求解：需要深度分析的多方面问题。
- 假设验证：挑战传统智慧或先前决策。
- 替代方案探索：当陷入困境并需要新视角时。
- 风险评估：在重大实施决策之前。
限制
ThinkDeep 与 Challenge 不同：ThinkDeep 用于深度探索、全面分析、替代方案发现和复杂决策；Challenge 用于质疑假设、测试有效性、评估风险和防止自动同意。关键区别：ThinkDeep = 深度探索，Challenge = 批判性评估。
使用该技能后的预期成果包括：对问题空间的全面理解、评估多种方法及其权衡、有充分理由的明确推荐、风险评估和缓解策略、可操作的下一步实施建议。
关于该技能的收费、价格、平台支持等具体信息，资料中暂未提供。