01 / THE PROBLEM
在给出方案前，
把真正的问题问出来。
启动一个项目、比较几个方向，或面对一个难以取舍的决定时，最初的问题往往不够完整。目标、资源、约束和成功标准可能还没有说清楚。
DecisionPath 是我公开的第二个 AI 实践。它把决策过程组织为一套 Skill：先提问，再探索，随后筛选。未知的信息要留下标记，新事实出现时，原来的判断也需要重新检查。
它适合需要认真比较替代方案的项目规划与复杂决定。最终交付的是一条能解释取舍依据的执行路径。
02 / THE WORKFLOW
从模糊的想法，走到具体的行动。
- A收集信息分三轮了解事实、约束与动机，再压力测试关键假设；整理事实表和未知项。
- B展开路径比较至少三条主动方案与维持现状；对关键决定追踪直接后果和下游影响。
- C逐步筛选识别风险、追到根因，再选择能避免或减轻风险的分支，留下执行计划。
- D保留记录在合适的位置保存精简的决策记录；用户不希望保存或没有合适位置时，可跳过。
核心框架是：风险 → 根因 → 缓解方式 → 执行计划。计划直接呈现在对话中，存档用于日后回看，不代替最终交付。
03 / AN ILLUSTRATIVE SCENARIO
「我想推出一个新服务。」
先从哪些问题开始？
下面是为解释工作方式而编写的假设场景，并非真实客户案例或已经运行的测试结果。
假设场景 · 用于理解流程
同一个目标，可以先走不同的路。
先问清：为谁做，怎样算值得做？
目标客户是谁？已有需求证据是什么？能投入多少时间？哪些条件不能改变？回答不出来的部分先标为未知，再判断哪些需要验证。
再比较：直接推出、小范围试点，还是先验证？
可以比较完整推出、小范围试点、先访谈并做样例这三种主动路径，同时保留暂时维持现状的选项。每条路都需要说明前提、资源、风险与可逆性。
继续追问：如果试点失败，会影响什么？
试点规模小，不代表一定合适。若交付仍占用全部时间，就需要追查资源瓶颈，重新考虑范围、协作方式和停止条件。新增事实可能改变原来的选择。
方法来源：DecisionPath 的执行规则 ↗
这里没有预设“试点一定最好”。结论应当来自具体事实与方案比较；关键条件未知时，应明确下一步需要验证什么。
04 / DESIGN CHOICES
让判断过程可以被追问。
先把选择铺开。
流程要求比较多个主动方案，并纳入维持现状。先看见不同方向的代价，再决定保留哪条路径。
把后果继续往下追。
关键节点从根决策与大分叉开始，进一步追踪子选择、新问题、失败风险和下游影响。低风险节点可以浅一些，避免对所有问题投入相同精力。
新答案可以改变旧结论。
新事实影响原有判断时，回到相关节点重新推演，并说明哪些分支被排除、恢复或新增。分析已经收敛时，也允许说明停止理由，不必强行编出新选项。
留下结论的依据。
每个主要取舍都说明风险来自哪里、怎样缓解、为什么保留或剪掉。无法消除的代价，需要有预案与检查点。
05 / FIT & LIMITS
适合值得想清楚的决定。
- 适用场景：项目规划、方案比较、业务与运营路径选择，以及目标或约束尚不清楚的复杂问题。
- 时间成本：三轮提问和多路径推演比较深入；简单、低影响的问题未必需要完整流程。
- 能力边界：Skill 提供思考结构，不能保证 AI 输出准确、完整、无偏或最优，也不能技术性地保证模型遵守每条指令。
- 判断责任：重要事实与行动需要本人核对；它不能替代法律、财务、医疗等专业意见。
尽量使用角色、化名与范围值，避免输入不必要的机密信息。文件保存在本地，不代表 AI 处理也在本地；实际数据处理取决于你选择的 AI 平台及连接工具。
当前站内展示依据公开源文件整理，未提供真实项目效果数据，也没有将本页假设场景作为运行验证。
06 / GET STARTED
把完整的 Skill 交给你的 AI 工具。
- 阅读 README，了解工作流程、适用范围与限制。
- 将完整项目文件夹以
decisionpath命名，放入所用 AI 工具的 skills 目录。该工具需要支持 Markdown Skill 及其引用文件。 - 保留
references/中的问卷、决策树方法与风险筛选说明；只复制入口文件会缺少这些材料。 - 从一个可公开或已去除敏感信息的问题开始，例如：“请用 DecisionPath 帮我比较推出新服务的几种路径，先了解事实和约束。”
Skill 免费开源，采用 MIT 许可证；所用 AI 平台、模型或连接工具可能另行收费。使用与再分发条件请查看仓库中的许可证。