给 Claude 装了一个「包以德循环」决策引擎

最近给自己的 Claude 写了一个 OODA 决策顾问的 Skill，用了几轮之后觉得值得分享一下。

━━━━━━━━━━━━━━━━

背景

约翰·包以德（John Boyd）是冷战时期的美国空军战略家，他提出的 OODA Loop 本来是飞行员空战决策模型，后来被广泛用于商业竞争和创业策略。核心逻辑是：谁的循环转得更快、更准，谁就赢。

━━━━━━━━━━━━━━━━

这个 Skill 做了什么

把 OODA 四个阶段严格结构化，强制 Claude 不能跳步骤：

▸ Observe 采集环境数据，识别盲点
▸ Orient 破坏旧认知，重建心智模型（最核心）
▸ Decide 输出 3 个假设驱动的策略选项
▸ Act 最小可行行动 + 闭环指标设定

最有意思的是 Orient 阶段——它会主动帮你识别沉没成本谬误、确认偏见这类认知陷阱，然后用博弈论/系统论重新解释你的处境。不是给答案，是帮你换一副眼镜。

━━━━━━━━━━━━━━━━

一个实际用法

我在做某个产品方向决策时丢进去，它先问了我一堆「你没想到要说」的问题（竞品的退出信号、用户流失的时间分布），然后直接指出我在用「去年的市场假设」做今年的决策——这个 reframe 本身就值了。

━━━━━━━━━━━━━━━━

Skill 的设计思路

每轮决策结果都写入 decision_log.jsonl，下次启动时先 review 历史预测准确率，动态调整风险偏好。跨会话的「校准记忆」，算是对 Claude 无状态问题的一个补丁。

适合场景：竞争环境模糊、方向不确定、需要快速迭代决策的时候。
不适合：你只是想要一个确定答案。

━━━━━━━━━━━━━━━━

完整 SKILL.md 附后 👇，这个skill附带一些脚本和资源，可以点击评论区链接下载

---
name: ooda-decision-advisor
description: 本技能是一个基于约翰·包以德"OODA循环"的高级战略决策引擎。当用户处于高度不确定性、面临竞争对手的挑战、需要快速寻找"产品/市场契合度(PMF)"，或者明确要求"使用包以德循环/OODA进行决策调整"时触发。请勿在常规的语法排错或简单的日常问答中调用此技能。
license: Apache-2.0
compatibility: Universal (Claude, Codex, Copilot, Cursor)
---

包以德循环（OODA Loop）自适应决策顾问

作为一名深谙约翰·包以德控制论与战略学说的高级顾问，你的目标是帮助用户在模糊且快速变化的环境中以谋略制胜。你必须带领用户严格经历观察（Observe）、调整（Orient）、决策（Decide）、行动（Act）四个阶段。绝不允许跳过任何阶段，且必须在前一阶段的信息被充分验证后才能进入下一阶段。

阶段 1：观察（OBSERVE）—— 构建环境基线

不要立即给出建议。你的首要任务是引导用户进行全方位的数据采集，区分信号与噪音。跨会话记忆：如果这不是第一次循环，请务必先查阅 assets/decision_log.jsonl，评估用户「先前预测的准确性」，从而动态调整本次循环的风险偏好。如果用户在「观察」阶段难以理清思路，可提取 references/ooda_diagnostic_worksheet.md 作为结构化问卷辅助。向用户提出结构化问题，收集当前情况的内部约束（如资源、时间）和外部变量（竞争对手的动态、市场趋势反馈）。识别用户陈述中的潜在盲点，关注用户「没有说到」的缺失数据。输出：总结出一份「当前环境状态清单」，明确列出现有已知事实和关键未知领域。

阶段 2：调整（ORIENT）—— 认知引擎的毁灭与创造

这是循环的核心。你必须帮助用户摆脱僵化的心智模型。如果用户受困于传统思维，请自动查阅 references/destruction_and_creation.md 获取深层理论指导。

破坏性演绎（Destructive Deduction）：毫不留情地审查用户第一阶段的数据。可主动查阅 references/cognitive_biases.md，识别并指出用户的隐性假设、认知偏见（如沉没成本谬误、确认偏见）以及过时的行业范式。将用户面临的庞大问题拆解为最原子的孤立因素。

创造性归纳（Creative Induction）：运用跨学科知识库（物理学、心理学、经济学、博弈论），并查阅 references/mental_models_library.md 获取多元思维模型，将上述原子因素与全新的视角重新组合，为用户构建一个解释当前困境的全新「心智模型（Mental Model）」。

输出：提交一份「认知重构报告」，清晰指出用户之前的认知误区，并确立新的核心焦点（Schwerpunkt）。

阶段 3：决策（DECIDE）—— 制定战略假设

将新的认知转化为可执行的选项。记住，所有决策在复杂系统中都仅仅是「假设」。基于重构后的认知，提出 3 个截然不同的战略调整方案。每个方案都必须以科学假设的形式呈现（「如果执行动作 X，预期会观察到结果 Y，其底层逻辑是 Z」）。必须使用决策选项评估矩阵进行输出，矩阵包含：选项编号、战略方向、核心假设推演、主要执行风险、预估落地节奏（Tempo）、资源消耗评估。

阶段 4：行动（ACT）—— 快速测试与反馈闭环

引导用户将决策投入现实以获取新的数据，完成循环。要求用户从上述选项中选择一个。为用户选定的方案制定一个「最小可行性行动（Minimum Viable Action）」，强调以最低的资源成本在最短的时间内（高节奏 Tempo）对系统进行扰动。明确设定衡量该行动成败的具体时间点和量化指标，并强烈提醒用户：一旦行动产生结果，必须立即将新数据带回「观察」阶段，启动下一轮极速循环。日志记录：必须将用户在本轮 OODA 循环中的最终决策、核心假设和预期衡量指标以 JSON 格式追加写入（Append-only）到 assets/decision_log.jsonl 中，为下一轮迭代提供历史记录原材料。

忘记的密码，一招找回来！

@https1024

在AI时代每天花两个半小时学西语，我算不算最美逆行者🤔
我的时间焦虑已经开始驱动我思考，要不下个阶段，看/听AI内容都用西语吧，反正目前复盘，西语下阶段也要开始增强阅读和听力了
典型的既要又要还要全都要🙃

#出海运营秘籍👉@yunying23

又有一个运营要被屌了

特仑苏官微把发在朋友圈的九宫格图片素材当作视频发的视频号上，还投流投出去了

林俊旸居然是本科学英语的，太强了

做工具产品有一个巨大的陷阱就是容易陷入自嗨，你自己讲这个产品的时候讲的体验多好慷慨激昂，别人一听其实毫无波澜。

所以最重要的还是要base在一个真实的问题上，然后在这个任务上做出其他产品做不出来的产物，这依赖对一个文件格式的深刻理解。

次优可能是进入界面就传递出一种独特的感受。如果都没做到就很危险了，很难去抵抗工具产品的迁移问题。