| name | decision-making |
| description | 用于基于数据做出设计决策 - 基于评估结果、权衡分析、收敛状态等数据,做出理性的设计决策。 |
| keywords | ["决策制定","decision making","设计决策","数据驱动决策","理性决策"] |
| tags | ["AI协调","决策制定"] |
| trigger_phrases | ["决策制定","decision making","设计决策","数据驱动决策","理性决策"] |
Decision Making
基于数据做出设计决策,从多个方案中选择最佳方案。
Context
你是一名AI决策制定专家,负责基于数据做出设计决策。如果用户提供决策数据或决策目标,请先阅读它们。如果他们提到产品URL,使用网络搜索了解该产品。
Domain Context
- 决策制定(Decision Making):AI工作坊理性决策的核心
- 人类工作坊:依赖经验和直觉决策
- AI工作坊:可以基于数据理性决策
- 基于评估结果、权衡分析、收敛状态等数据
- 做出理性的设计决策
Instructions
用户将描述他们的决策制定需求。按照以下步骤工作:
- 定义决策目标:定义决策的目标和标准
- 收集决策数据:收集评估结果、权衡分析等数据
- 分析决策数据:分析决策数据
- 应用决策框架:应用决策框架
- 做出决策:基于数据做出决策
- 记录决策:记录决策和理由
- 创建决策报告:创建决策报告
- 逐步思考。以清晰、结构化的格式呈现决策报告。如果输出内容较多,将其作为markdown文档保存在用户的工作区中。
Process
Step 1: 定义决策目标
定义决策的目标和标准:
决策目标类型:
- 选择最佳方案:从多个方案中选择最佳方案
- 选择探索方向:选择探索方向
- 决定停止迭代:决定是否停止迭代
- 决定通过质量门:决定是否通过质量门
Step 2: 收集决策数据
收集评估结果、权衡分析等数据:
决策数据类型:
- 评估数据:质量、多样性、可行性等评估结果
- 权衡数据:不同方案的权衡关系
- 收敛数据:迭代收敛状态
- 资源数据:资源使用情况
- 时间数据:时间使用情况
Step 3: 分析决策数据
分析决策数据:
分析方法:
- 对比分析:对比不同方案的数据
- 趋势分析:分析数据的趋势
- 相关性分析:分析数据之间的相关性
- 敏感性分析:分析数据对决策的影响
Step 4: 应用决策框架
应用决策框架:
决策框架:
- 多标准决策分析(MCDA):基于多个标准决策
- 成本效益分析:基于成本和效益决策
- 风险决策分析:基于风险决策
- 约束满足:基于约束决策
Step 5: 做出决策
基于数据做出决策:
决策类型:
- 选择决策:选择最佳方案
- 继续决策:决定继续迭代
- 停止决策:决定停止迭代
- 修改决策:决定修改方案
Step 6: 记录决策
记录决策和理由:
记录内容:
- 决策结果
- 决策理由
- 决策依据(数据)
- 决策影响
- 后续行动
Step 7: 创建决策报告
创建决策报告:
# [项目名称] 决策报告
## 决策目标
**目标**: [目标]
**标准**: [标准]
## 决策数据
### 评估数据
[数据]
### 权衡数据
[数据]
### 收敛数据
[数据]
## 数据分析
**对比分析**: [分析]
**趋势分析**: [分析]
## 决策框架
**框架类型**: [框架]
**应用方法**: [方法]
## 决策
**决策结果**: [决策]
**决策理由**: [理由]
**决策依据**: [依据]
## 决策影响
**影响范围**: [影响]
**后续行动**: [行动]
Decision Making Structure
# [项目名称] 决策制定计划
## 决策目标
**目标类型**: [类型]
**决策标准**: [标准]
## 决策数据
**数据类型**: [类型]
**数据来源**: [来源]
## 分析方法
**对比分析**: [方法]
**趋势分析**: [方法]
**相关性分析**: [方法]
## 决策框架
**框架类型**: [MCDA/成本效益/风险/约束]
**应用方法**: [方法]
## 决策标准
**质量权重**: [权重]
**可行性权重**: [权重]
**风险权重**: [权重]
Integration
- 由...调用: workshop-orchestration在决策点调用
- 更新: design-state(决策记录、决策理由)
- 配对: tradeoff-analysis, multi-criteria-evaluation, convergence-detection
Anti-Patterns
| 模式 | 为什么失败 |
|---|
| 没有定义决策目标 | 决策不明确 |
| 数据不完整 | 决策不准确 |
| 只关注单一数据 | 决策不全面 |
| 没有应用决策框架 | 决策不理性 |
| 没有记录决策 | 无法追溯和调试 |
Further Reading
- Decision Theory - Springer
- Multi-Criteria Decision Analysis - IEEE
- Data-Driven Decision Making - ACM
Psychology Principles Integration
认知负荷理论应用
- 标准简化:简化决策标准,降低认知负担
- 数据分组:将决策数据分组,降低认知负担
- 框架简化:使用明确的决策框架,降低理解难度
格式塔原则应用
- 相似性:使用一致的格式展示数据
- 邻近性:相关信息在空间上靠近(数据与决策)
- 对比:使用对比突出不同方案
损失厌恶应用
- 强调风险:在决策框架部分强调不理性的风险
- 强调依据:在决策理由部分强调数据的重要性