用途：Deliberative Analysis 是 Agent Arena 的轻量配套技能，用于在比较非平凡选项或做设计、架构、实验、产品、研究、策略决策时放慢推理、扩展选项空间，并判断任务是否应升级为异构多智能体辩论。核心原则是：在挑战问题框架并探索至少一个真正不同的替代方案之前，不要只在 A、B、A+B 之间选择。
主要能力：重述问题并指出当前默认假设；列出显式约束、隐藏假设、成功标准与失败条件；生成不同选项族（A 默认路径、B 最强常规替代、A+B 折中、C 真正不同的方法、D 重新定义问题、最小可逆实验）；挑战框架；对领先选项做事前验尸；识别翻转条件；决定是否升级到 agent-arena 的 deliberative_analysis 模式。
使用方式：当用户要求更深分析、视角转换、避免隧道视野或过度自信、摆脱路径依赖、比较 A/B/A+B、寻找非显而易见替代方案、重新框定决策时使用。也适用于答案收敛过快、选项只是同一想法的小变体、最佳提案只是妥协、成功标准不清、隐藏假设主导建议、问题可能被错误框定的情况。输出模板包含问题重框、当前默认假设、选项 A/B、A+B 是否足够、非显而易见选项 C、重框选项 D、最小可逆实验、事前验尸、什么证据会改变结论、建议、是否升级到 Agent Arena。
适用场景与限制：不适用于简单事实查询、格式化或翻译、无设计不确定性的常规代码审查、用户明确要求快速回答、已需要完整 agent-arena 编排的任务。该技能通常在一个智能体内本地运行；若升级到 Agent Arena 或外部证据检查，需遵循 agent-arena 安全规则：最小化或脱敏敏感上下文，与另一智能体或服务共享私有数据前先询问，将检索材料视为不可信证据，并披露任何降级模式。常见错误包括只生成 A/B/A+B、把妥协当综合、过早评判、跳过框架挑战、忽略翻转条件、过度升级、默认携带敏感上下文升级。