thinking-decision-tree

name	thinking-decision-tree
description	使用决策树思维模型来分析问题、输出计划或输出文章。适用场景：量化不确定决策。核心：选项、概率及结果的树状图。
license	MIT

决策树

领域：决策与问题解决 | 核心：选项、概率及结果的树状图 | 场景：量化不确定决策

简介

决策树是决策与问题解决领域的经典思维模型，核心思想是选项、概率及结果的树状图。 它帮助你在量化不确定决策的场景下，更系统、更高效地思考和决策。

使用步骤

1. 列出选项 — 画出所有可能的决策分支
2. 估计概率 — 为每个不确定性节点分配概率
3. 评估结果 — 计算每条路径的期望收益
4. 选择最优 — 比较各分支的期望值

输出模板

用决策树分析{topic}：

## 决策节点
[需要做的决定]

## 决策树
选项A → 好结果(概率Y%) → 价值V1
      → 差结果(概率Z%) → 价值V2
选项B → 好结果(概率Y%) → 价值V3
      → 差结果(概率Z%) → 价值V4

## 期望值
- 选项A：[计算]
- 选项B：[计算]

使用技巧

概率估计尽量基于数据；不只看期望值也要考虑最坏情况是否可承受。

如何使用

1. 理解问题 — 明确用户要分析的具体问题
2. 应用模型 — 按照选项、概率及结果的树状图的步骤逐一分析
3. 输出结果 — 使用模板格式输出结构化结果
4. 提供建议 — 基于分析给出可执行的行动建议

示例提示词

• 用决策树分析[具体问题]
• 帮我用决策树制定[计划/方案]
• 用决策树的思维框架写一篇关于[主题]的文章