用途：该技能用于在正式承诺前验证一个计划。计划总是针对某个世界模型进行优化，而模型本身可能出错，因此验证按顺序提出三个问题：排名能否在模型出现合理误差时保持不变；最可能的失败方式是什么，这条路径是否令人担忧；实际在交换什么，是否已明确说明。其核心原则是：用简单模型规划，用丰富模型评估。
主要能力与工作流：
- 列出计划所依赖的假设，即排名所依赖但尚未测量的量，保留合理替代值会显著不同的3至5个。
- 在每个合理变体下给每个选项打分，建立“选项×场景”矩阵，并运行：node scripts/calc.js robust plan.json。输入格式参考 examples/robust.json。该命令报告三种赢家：最佳期望值、最佳最坏情况（maximin）、最小遗憾（minimax regret）。若三者一致，决策稳健；若不一致，分歧本身就是决策问题，需要说明为多少下行风险买保险并记录理由。
- 找出最可能的失败，而非最可怕的失败。以“六个月后失败了”为前提做事前验尸，但约束每一步在当时都是大概率合理的，排除小行星撞数据中心之类不现实路径，并给每一步打分相乘，得出联合概率。
- 当两个目标冲突时，明确取舍。运行：node scripts/calc.js pareto options.json，输入格式参考 examples/pareto.json。帕累托前沿上的选项各有所长，属于价值判断；被支配的选项可无争议剔除。
- 当失败路径确实值得担忧时，从固定菜单中选择回应：改变行动空间、改变目标、改变动态机制、改进分析、不部署。
适用场景：商业决策、产品与增长策略、安全与转化权衡、资源分配等需要在不确定性下比较选项并说明取舍的场合。
限制：资料未提供具体安装方式、依赖环境、脚本实现细节或收费信息。需注意：稳健性看的是排名而非数值；场景必须合理且需使用权重；不要针对评估模型优化计划；帕累托不负责选择；事前验尸必须加合理性约束；罕见失败需要不成比例的证据。