用途：think-top3 面向需要多视角分析的决策、问题或卡点。它不满足于推荐方法，而是固定运行三个框架：先对框架库按与主题的相关性排序，取最相关且认知任务不重复的三个，分别应用到主题上，各自产出该框架的真实成果物，再把三份成果整合成一份综合解读，指出三者在哪里一致、在哪里冲突，以及最关键的结论。
主要能力：相关性排序与去重（按认知任务去重）、固定三个框架的端到端执行、跨框架综合。输出为三个具名并说明入选理由的框架、三份填好的成果物，以及综合部分，而非散文式文章或推荐清单。
使用方式：当被要求给出应用于某主题的前三个框架时，先解析主题，用一两句话复述情境；若输入少于约 15 词或缺乏具体信息，先提一个澄清问题再继续。随后按 references/engine.md 以 RANK 模式运行共享引擎：读取语料、为每条打分、取前三（按认知任务去重）、逐一应用并遵守各框架自身的“不适用”条件。最后按 references/TEMPLATE.md 模板综合输出。
适用场景：一个镜头不够用、且希望立刻得到实际分析成果的真实决策或难题；多个框架都可能适用，希望由系统排序、执行并整合，而不是自己挑选；想看到最契合的方法之间的一致、冲突与下一步收敛点。
限制：若还不确定是否需要三个框架，应改用 think-framework-advisor（它做减法，常为 0 到 2 个）；若已确定单一框架，直接运行对应技能（如 think-premortem）；若已有已知的多步链条，使用相应 recipe（reframe-problem、expand-options、stress-test-decision、audit-reasoning）；若想用意外视角打破僵化框架，应使用 think-random-frameworks；非思维类任务（查询、起草、编码）应转出。该技能强制应用恰好三个框架，可能对只需一个或零个动作的问题制造多余工作。证据等级为 Tier C（概念上合理、测试不足）：单个结构化方法对决策的支持较好，但相关性排序与“固定三个再综合”的约定尚未在人类或 AI 使用中测量，应把选择视为有用的起始假设，并优先信任各框架自身的证据等级。完整评级与注意事项见 evidence/dossier.md，示例见 references/EXAMPLE.md。