CtrlK
BlogDocsLog inGet started
Tessl Logo

expert-panel

多猫专家辩论团:在现有协作习惯上加一层轻量编排 + WHY 链标准 + 交付链。 Use when: 技术趋势判断、竞品分析、行业事件分析、需要多视角决策支持、operator说"帮我分析一下"。 Not for: 单猫能搞定的问题、代码实现、bug fix、日常聊天。 Output: 洞察卡片(rich block) + 语音总结 + 正式报告(DOCX/PDF)。

72

Quality

88%

Does it follow best practices?

Run evals on this skill

Adds up to 20 points to the overall score

View guide

SecuritybySnyk

Low

Low-risk findings worth noting

SKILL.md
Quality
Evals
Security

Expert Panel — 多猫专家辩论团

定位:编排层,不是独立流程。 复用已有协作习惯,只添加三样东西:角色分配、WHY 链标准、交付链。

核心原则:结论不值钱,论证过程才值钱。

本 skill 只管三件事

  1. 角色分配:按视角分工,确保多元
  2. WHY 链标准:每个结论必须有证据 → 推理 → 结论(这是 expert-panel 的独有增量)
  3. 交付链:洞察卡片 + 语音 + 报告

其余规则不重写,直接遵循已有 skill。协作交接用五件套(What/Why/Tradeoff/Open/Next)。

角色分配

参与猫按视角分工。最少 2 猫,推荐 3 猫。

角色视角职责
Analyst架构/技术技术深度、架构对比、可借鉴点
Assessor风险/成本成本结构、合规风险、踩坑预警
Strategist生态/趋势行业定位、大图景、用户/人才视角
Convergence Lead收敛+交付默认 Analyst 兼任,可指定

最小执行骨架

Dispatch → Independent → Synthesis → Contributor Check → Delivery

不是刚性 Phase,是自然节奏。有分歧就讨论,没有就是共识,不演。

1. Dispatch — 分发独立调研

Convergence Lead 用 multi_mention 分发给各猫。

dispatch payload 只允许包含

  • operator的原始问题(一字不改)
  • 该猫的角色和视角
  • 范围(调研边界)
  • 输出格式要求(WHY 链四格)
  • 原始材料(如有,如operator发的文件/链接)

dispatch payload 禁止包含

  • Lead 自己的判断、倾向、provisional conclusion
  • Lead 的拆题方式或 framing(各猫自己决定怎么拆)
  • 其他猫的摘要或分析

Lead 自己的分析等其他猫回来后再发,或和其他猫同时出。

2. Independent — 独立调研 + 独立分析

每只猫独立完成调研和分析,互不可见。

调研分两档

档位何时用方法
Light(默认)日常分析、快速判断WebSearch + search_evidence + 已有知识
Full高 stakes / operator说"调研" / 需要多源验证启动 deep-research skill 完整流程

不确定用哪档 → 用 Light。Light 不够再升级。

独立性保护规则(从 collaborative-thinking Mode B 内联):

  • 禁止互看:每只猫独立完成,不预测他人观点
  • 防锚定:有背景材料时,先形成自己想法再参考
  • 标注不确定性:区分确信的结论和猜测

分析输出格式 — WHY 链四格

每个核心判断必须有:

Evidence:   具体证据(案例/数据/事件 + 来源URL或引用)
Reasoning:  从证据到结论的逻辑链(为什么这个证据支持这个结论)
So what:    对我们意味着什么(行动含义)
Confidence: 确信 / 中等 / 猜测

禁止

  • 光给结论不给论证("基于行业经验" 不是证据)
  • Evidence 和 Reasoning 混在一起(拆开写)

3. Synthesis — 收敛

Convergence Lead 汇总所有猫的分析,产出收敛报告。

收敛必须包含(来自 collaborative-thinking Mode B Phase 4):

  • 各方观点摘要
  • 共识区
  • 分歧区(不抹平!各方理由都保留)
  • Tradeoffs / 适用边界(结论在什么场景成立、什么场景不适用)
  • Open Questions(待operator拍板)
  • 行动项

4. Contributor Check — 原作者复核

各猫确认收敛报告没有误读自己的观点。(来自 collaborative-thinking Mode B Phase 5)

这步不能跳过——收敛者可能误读原意。各猫快速确认或修正即可。

5. Delivery — 交付

收敛完成后,Convergence Lead 一次性交付(趁凭证新鲜):

a) 洞察卡片(card rich block):

  • 核心结论(每条附一句 Evidence 和 Reasoning 摘要)
  • 共识区 + 分歧区
  • Tradeoffs / 适用边界
  • Open Questions
  • Premortem(最可能翻车在哪)

b) 语音总结(audio rich block,~50s):

  • 核心结论 + 最大风险 + 需要拍板的事

c) 正式报告(generate_document,优先 DOCX)

d) 收敛沉淀检查(来自 collaborative-thinking Mode C):

1. 否决理由 → ADR?[有/没有]
2. 踩坑教训 → lessons-learned?[有/没有]
3. 操作规则 → 指引文件?[有/没有]

报告结构

  1. 命题与范围:在讨论什么,不讨论什么
  2. 核心判断(每条四格):
    • Evidence:基于什么证据
    • Reasoning:推理过程
    • So what:对我们意味着什么
    • Confidence:确信度
  3. 证据矩阵:各猫调研发现汇总(来源 + 可靠度)
  4. 推理链:从证据到结论的逻辑链,含分歧点和各方理由
  5. Tradeoffs / 适用边界:推荐在哪些场景成立、哪些场景不适用
  6. Premortem:最可能翻车在哪 + 护栏
  7. 行动建议(分层:决策者 / 执行者)
  8. Open Questions:待operator拍板
  9. 独立贡献记录:各猫的独立判断摘要 + 独特洞察

什么时候叠加其他 skill?

场景用什么
日常"帮我分析一下"expert-panel 单独用(Light 调研档)
高 stakes 决策、operator说"调研"expert-panel + deep-research(Full 调研档)
分析后需要立项expert-panel → feat-lifecycle
分析后需要沉淀expert-panel → collaborative-thinking Mode C
需要和外部猫交接分析结果expert-panel → cross-cat-handoff 五件套

交付时机铁律

multi_mention 回调链会反复 supersede invocation 导致 MCP 工具 stale_ignored。

  • 洞察卡片在收敛消息里同步发
  • 语音+报告在最后一只猫回调时立即发
  • 凭证过期 → 报告存本地 + 告诉operator"下轮对话发"

Common Mistakes

错误修复
Lead 在 dispatch 里夹带自己的判断/拆题dispatch 只含原始问题+角色+范围+格式,禁止注入
默认走 full deep-research默认 Light,高 stakes 才升级
Evidence 和 Reasoning 混在一起写拆成两个独立字段
"基于行业经验"当证据必须指向具体案例/数据/事件+来源
收敛时抹平分歧分歧必须保留+各方理由
报告结论像万能答案加 Tradeoffs/Boundary,说清适用边界
跳过 Contributor Check收敛者可能误读,原作者必须确认
报告攒到最后才发趁凭证新鲜立即发

应急降级

风险降级方案
某猫超时(>3min)不等,剩余猫继续
语音发不出改文字总结
DOCX 生成失败降级发 card rich block
争论不起来那就是共识,不演
凭证过期报告存本地 + 下轮对话发

下一步

  • 行动项 → feat-lifecycle 立项
  • 更深调研 → deep-research
  • 需要沉淀 → collaborative-thinking Mode C
Repository
zts212653/clowder-ai
Last updated
First committed

Is this your skill?

If you maintain this skill, you can claim it as your own. Once claimed, you can manage eval scenarios, bundle related skills, attach documentation or rules, and ensure cross-agent compatibility.