wrap-decision

name	wrap-decision
description	WRAP 決策框架 — 認知偏誤防護、選項擴增與資料充足度閘門。用於防護自動駕駛、假選項、證據不足下的倉促決策。Use when: 被困住或連續失敗 2+、準備宣告限制性結論前、偏離核心目標、根因分析、代理人失敗歸因、提案評估、重大架構或規則決策、個人化建議（健康/醫療/金錢/法律）前、Context 沉重時。Triggers: stuck, blocked, loop, no progress, 分析, debug, 限制性解法, 個人化建議, 具體推薦。

WRAP 決策框架 Skill

框架結構：錨點確認 → Step 0（資料充足度閘門）→ W（擴增選項）→ R（現實檢驗）→ A（拉開距離）→ P（準備好犯錯）→ 絆腳索（持續監控）

核心理念：提醒決策者「你是有選擇的」，不替決策者做選擇。

本 SKILL 為通用 WRAP 規則，獨立於任何專案框架。專案若需要掛鉤（Hook）、CLI 或任務系統整合，請在該專案內另建落地層文件。

---

觸發條件

情境	識別特徵	模式
連續失敗	同一問題修改 2+ 次仍失敗	快速
被困住	表達「做不到」「沒辦法」「不支援」「禁止」「不可能」	快速
偏離核心	連續 2+ 個任務單位不在當前迭代目標	完整
重大決策	影響架構/流程/版本方向的非技術決策	完整
救火排擠	花 > 30 分鐘在非原定計畫的問題上	快速
分析任務	根因調查、代理人失敗歸因、測試失敗檢討	快速+（配合兩階段反思）
根因深度反思	用戶質疑「分析太表層」「不夠深」、或需要把失敗歸因寫成可重用規則	完整 WRAP 強制：先列 5+ 候選假設 + 現實檢驗（Reality Test） + 2 層深因，再用 W/A/P 檢驗
反思深度質疑	用戶要求「太表層」「再想想」「更深一層」「還有其他可能」「反向驗證」	完整 WRAP 強制：先擴增假設，再做反向驗證，最後回到可執行結論
提案評估	評估提案可行性	完整
不可逆 / 時間壓力	一旦執行難以回退，或須在很短時間內定案	完整（重 P 階段回退計畫）
利害關係人衝突	多方目標不一致、需平衡不同立場	完整（重 W 假選項偵測）
個人化建議	使用者用「我」「我該」「推薦給我」，或話題涉及健康/運動/裝備/金錢/法律/醫療	Step 0 強制
CLI / 規則自動駕駛（autopilot）（決策路徑層 3.1）	CLI 撞錯後立即重試或猜變體（非查 --help / 規則文件）	快速（強制查文件後再試）
既有結論錨定（Anchor）（決策路徑層 3.2）	WRAP W 階段選項能一句話概括 / 全指向同一根因	完整（強制反向思考（Consider the Opposite） + 重新定義問題）
規則失敗草率改規則（決策路徑層 3.3）	失敗第一反應「改規則」，未先重試 2 次	快速（先挖根因再決定改規則或改行為）
多步驟成功率盲點（決策路徑層 3.4）	多步驟計畫中所有中間步驟都預測成功	快速（R 階段基本率 + 每步獨立驗證）

上述 4 項決策路徑層因子可由各專案映射到自己的掛鉤（Hook）、CLI 或任務系統；本 skill 只保留通用判斷語意。

快速模式（5 分鐘）：錨點 + Step 0 + W + 基本率（R 核心）+ 機會成本（A 核心）+ 決定 快速+模式：快速模式 + 強制 R 的基本率 / 反向驗證兩階段反思（分析任務最容易跳過事證直接下結論，故在快速基礎上補回 R 核心 + 一輪反向驗證） 完整模式（15-30 分鐘）：全階段 Step 0 強制：個人化建議場景，不論採用哪個模式，Step 0 為必經閘門

各專案可依自身工作流建立機器可讀觸發條件、自動觸發機制、關鍵字清單對應，以及任務啟動階段的簡化三問（W/A/P 1-2 分鐘版）。

---

錨點確認（Anchor Check）

進入分析前先確立錨點。

第一錨點 — 產品決策：

問題	目的
「誰是我們的客戶？」	建立決策錨點
「當前的核心目標是什麼？」	對齊迭代目標

第二錨點 — 流程決策：

問題	目的
「這個流程改善影響決策品質或開發效率嗎？」	區分「改善工具」vs「低價值維護」
「不做這個改善，會重複付出什麼代價？」	評估一次性投入 vs 持續回報

閘門判斷：

這個問題影響核心客戶 / 核心目標嗎？
    ├─ 是 → 進入 Step 0
    ├─ 否 → 這個流程改善影響決策品質或開發效率嗎？
    │        ├─ 是且持續回報 > 一次性投入 → 進入 Step 0
    │        ├─ 是但低回報 → 建提案（提案暫存區） → 回到核心任務
    │        └─ 否 → 記錄待辦 → 回到核心任務
    └─ 純粹救火 → 建任務單位 + 低優先級 → 回到核心任務

引用：英特普拉思特「病人才是我們的客戶」— 確立後，所有困難的決定都有了錨點。

---

Step 0. 資料充足度閘門（Data Sufficiency Gate）

核心問句：「我手上的資訊夠做這個決策嗎？還是我正在用假設替代資料？」

模式辨識

模式	特徵	答案來源
資訊查詢	問的是客觀知識（「X 和 Y 差別」「怎麼運作」）	公開資料即可
決策諮詢	問的是「我該怎麼選/做/買」	必須基於當事人條件

使用者說「我是 X」、「推薦給我」、「我該買哪個」 → 決策諮詢。決策諮詢以個案資料為基準，群體平均值只作為背景參考。

判定流程

Step 0：資料充足度檢查
    │
    ├─ 檢查 1：我知道當事人是誰嗎？（年齡/性別/身體/財務條件）
    ├─ 檢查 2：我知道當事人的目標嗎？
    ├─ 檢查 3：我知道當事人的限制嗎？（預算/時間/禁忌）
    ├─ 檢查 4：我知道當事人的環境嗎？（地區/可用資源）
    ├─ 檢查 5：我在用「平均值假設」替代「個人資料」嗎？
    └─ 檢查 6：如果假設錯誤，後果會嚴重嗎？
        │
        ▼
判定結果
    ├─ 資料充足 → 進入 W 階段
    ├─ 資料不足 + 低風險 → 進入 W，但標記假設
    ├─ 資料不足 + 中風險 → 暫停，漸進式問 2-3 個關鍵變數
    └─ 資料不足 + 高風險 → 強制完整問卷 + 建議諮詢專業人士

為什麼 Step 0 必須在 W 之前

W 階段「擴增選項（Widen Options）」是「擴增選項空間」，但選項的意義取決於當事人條件。如果不先確認資料充足度：

表面現象	實際狀況
列出 A/B/C/D 四個選項（看似多元）	四個選項都基於「用戶是平均值」的假設
對選項做現實檢驗（Reality Test）	只是驗證「對平均值用戶是否可行」，非「對此用戶可行」
Attain Distance 考量機會成本	比較的是錯誤假設下的成本
Prepare to be Wrong	預想的失敗原因都是技術性，忽略「假設錯誤」這個最大風險

結論：Step 0 缺失會讓整個 WRAP 流程變成「精美的錯誤分析」。

反模式偵測

警告信號	含義
擴增選項（Widen Options）時寫出「適合的用戶選 A，其他用戶選 B」	已承認用戶差異會影響選擇，卻未先確認用戶是哪種
選項描述含「通常」「一般來說」「大多數人」	用群體敘述替代個體判定
執行現實檢驗（Reality Test）時發現「數據來源是群體統計」	這屬於 Step 0 應提前檢出的問題
Attain Distance 的機會成本計算需假設用戶偏好	偏好是 Step 0 資料，不該在 A 階段假設

失敗模式：Step 0 最容易被跳過是因為反問當事人打斷對話流暢度。流暢度與準確度的取捨應交由當事人決定。

各專案可建立個人化建議的三層機制（識別 / 分級 / 誠實）。

---

W — 擴增選項（Widen Your Options）

核心問句：「還有什麼其他方式可以達成目標？」

爬梯子法（由近到遠）

層級	搜尋範圍	做法
0. 身邊	當前專案既有程式碼/模組	搜尋既有 API
1. 同層	當前專案其他模組的做法	檢查類似功能的實作
2. 同領域	社群（GitHub Issues、文件）	網路搜尋
3. 跨領域	其他工具/框架的類比方案	AI 內建知識調用

每層找到可行方案就停止，找不到才往上爬。

品質檢查

檢查	問題	不通過的信號
選項消失測試	如果以上選項全部被移除，還能怎麼做？	選項不足 → 框架太窄
假選項偵測	選項之間有實質差異嗎？	全部指向同一根因/同一途徑 → 季辛吉陷阱
框架測試	能否用一句話概括所有選項？	可以 → 選項多元性不足
方案性質三類涵蓋	候選方案是否涵蓋 新增工具 / 改造既有 / 零工具或純文件 三類？	全屬「新增工具」→ LLM 工具化偏誤（toolification bias），強制補「改造既有」與「零工具」選項
方案關聯性檢查	任兩方案是否可退化為同一方案或既有機制？	可退化 → 實質選項數量要重算（假多樣性）
反向思考（Consider the Opposite）	如果我相信的正好相反，會怎樣？真正該問的問題是什麼？	能提出有力相反論述 → 重新定義問題後從 W 重跑

反向思考（Consider the Opposite）是最容易被跳過但最重要的檢查 — 也是防止「在錯誤問題框架下擴增選項」的最後防線。詳細操作與範例見 references/detailed-techniques.md。

方案性質三類涵蓋與方案關聯性檢查用來抵抗 LLM 的工具化偏誤（toolification bias）：LLM 在不少情境傾向把「新增工具」當答案，較少提「改造既有機制」與「零工具」選項。即使補上多個方案，若方案間強關聯也可能退化為 1 個實質選項。

假設層級多元性（真正的擴增選項，Widen）

選項必須在「假設根因」層級多元，而不只是「實作手段」層級多元。

擴增選項（Widen）列出多個方案 ≠ 真正擴增了選項空間。若所有方案都接受同一個未驗證的根因假設，仍是偽擴增選項（pseudo-Widen） — 方案脫靶率會集中分佈（要嘛全中、要嘛全脫）。

最低操作：列方案前先寫出「我假設問題是 X 造成的」，再質疑 X 是否為真根因。

分析類任務（根因調查、設計決策）建議完整執行三層質疑、現實檢驗（Reality Test）閘門與警告信號檢查。

多輪迭代查詢（深度議題建議）

對複雜議題（如規則設計、提案評估），W 階段不應一次性完成擴增，採四輪迭代結構：

輪次	名稱	目的
1	發散型 (Divergent)	廣泛關鍵字鋪面建立問題地圖
2	具體化 (Concrete)	將抽象主題轉為具體案例
3	精準化 (Precise)	從前兩輪提煉精準關鍵字深挖
4	反向驗證 (Inverse)	對結論找反例 / 批評 / 反駁

進入下一輪訊號（至少 3 條）、邊界條件、實證統計詳見 references/iterative-research.md。

---

R — 現實檢驗（Reality-Test Your Assumptions）

核心問句：「需要什麼事證才能證明這個方法可行？」

基本率 > 預測

壞問題（預測）	好問題（基本率）
「這樣改會成功嗎？」	「這類問題的常見解法有哪些？成功率？」
「我目前相信的根因會成功嗎？」	「這類症狀的常見根因分佈是什麼？」
「代理人會完成嗎？」	「這類任務耗盡資源的常見閾值是什麼？」

大範圍觀照（Zoom Out）+ 近距離檢視（Zoom In）

方法	做法	產出
大範圍觀照（Zoom Out）	搜尋基本率：多少人遇到？常見解法？	統計性判斷
近距離檢視（Zoom In）	讀具體案例內文、實際變更內容	直覺性判斷

兩者缺一不可：基本率建立基準，近距離檢視觸動直覺。

大範圍觀照（Zoom Out）前置確認（搜尋範圍校準）：

搜尋前問自己：「我搜尋的是問題本身的基本率，還是我預設解法的基本率？」

• 搜尋「tool call 閾值校準」→ 預設解法的基本率（狹窄）
• 搜尋「為什麼要拆分任務」→ 問題本身的基本率（廣闊）

清單類答案的來源核對

LLM 列清單時最容易產生幻覺（會「補齊」看起來合理的項目）。現實檢驗（Reality Test）對清單類答案必須執行逐項對 source 核對，禁止整批信任。

最低規則：

• 找到該領域的權威 source（官方 docs、本機 spec、Context7）
• 清單每一項對照 source；找不到 → 標記為候選幻覺
• 單項細節（schema、欄位語意）比整體清單可信

完整防護重點是幻覺模式分類、逐項核對流程與反模式識別；各專案可另建來源清單與核對模板。

試水溫（Ooch）

對每個選項問：「能否用最小成本驗證？5 分鐘內能得到初步答案嗎？」

• 能 → 先試水溫再決策
• 驗證成本高 → 進入完整分析

最強版本論證（Steelman）

選定方案後、執行前：

1. 「用最有力的方式陳述被放棄選項的優點」
2. 「列出選定方案的三個缺點」

做得到 → 決策品質足夠；做不到 → 回到 R 階段補充。

反向驗證範本（深度議題建議）

對結論做反向搜尋避免確認偏誤。標準格式：

| 我們的結論 | 反向搜尋目標 |
|----------|-----------|
| [結論] | [批評 / 反例 / 反駁 / 限制] |

至少涵蓋 4-8 種反向方向類型（學術批評 / 反方論點 / 失效情境 / 統計限制 / 文化限制 / 家長主義（paternalism）警示 / 取捨揭露（trade-off） / 自我參照悖論）。

詳見 references/iterative-research.md 「反向驗證實踐範本」章節。

---

A — 拉開距離（Attain Distance）

核心問句：「投入這個問題的時間，會擠壓哪個更重要的目標？」

前置強制檢查

進入 A 前必完成以下 4 項檢查，任一觸發即回 W 階段重擴增。

檢查項	問題	觸發條件
框架概括測試	能否用一句話概括所有候選方案？	「能」→ 選項多元性不足，回 W
反面框架識別	問題的反面框架是什麼？（例：「如何擋 X」的反面是「為何會有 X」）	未列出反面框架即進 A → 強制停下列出
相反論述檢視	反向思考（Consider the Opposite）：若我相信的正好相反會怎樣？真正該問的問題是什麼？	能提出有力相反論述 → 重新定義問題後從 W 重跑
工具選擇檢查（Tool selection check）	物化 / 步驟數 / 目的地 / 白名單 4 問（見下）	任一問暴露繞路 → 回 W 換 1 步工具

工具選擇檢查（Tool selection check）觸發條件：選工具（tool）前 + 預估步驟數 > 2 + 涉及 Write/Bash 組合（例如 Write 暫存檔再 Read 再 Bash 寫入）。

Tool selection 4 問：

問題	核心	範例（反模式 → 正確）
Q1 物化檢查	我是否把「解決方案」物化為「工具」（「用 Write 建檔」），而非解決「問題」（「把文字寫進任務紀錄」）?	「Write /tmp/ctx.md 再 Read 再 bash append」（物化）→「heredoc append」（解決問題）
Q2 步驟數檢查	選擇路徑的實際步驟數是 N? 有無 1 步路徑被忽略?	3 步（Write→Read→Bash）→ 1 步（heredoc Bash 或 Edit 任務紀錄）
Q3 目的地檢查	工具產出目的地是 CLI/檔案系統? 匹配需求嗎?	目的是寫進任務紀錄 → 首選 Edit / heredoc CLI，避免多餘中介檔
Q4 白名單檢查	目前工具是否在「低摩擦首選」名單外（偏好 heredoc Bash / Edit 直接編輯，次選 Write 類）?	長文寫入任務紀錄首選 Edit 或 cat <<'EOF' heredoc

違反防護的代價：A 階段方案比較表面周詳，實際全指向同類型解法；或單步最優化但總步驟盲，把多步繞路誤判為簡單方案。

完整 4 問操作細節見 references/detailed-techniques.md 「工具選擇檢查（Tool selection check）詳細技巧」章節。

機會成本顯性化

每個選項強制列出：

選項 A：[做法]
  機會成本：花 X 時間，這段時間可以 [替代用途]
  風險：[可能失敗的條件]
  不選其他的代價：[放棄什麼]

引用：DVD 實驗 — 只加上「不買，留下 14.99 美元買別的」，不買率從 25% 升到 45%。顯性化機會成本能改變決策。

10/10/10 規則

時間	問
10 分鐘後	這個決定當下的感受
10 個月後	這個決定對使用者/專案的影響
10 年後	這個決定對整體生態/信任度的影響

核心優先事項對齊

問題	目的
「這個決策服務於哪個優先事項？」	對齊
「如果優先事項衝突，哪個排第一？」	排序
「投入這問題的時間，擠壓哪個更重要的目標？」	機會成本

排序確定後，低優先事項的決策自動有答案 — 記錄延後，不投入時間。

提案系統對接

使用「安全停放區」承接暫緩想法：想法被記錄，並明確標示目前聚焦的工作。

系統	角色
提案暫存區	安全停放區 — 記錄想法，不代表要做
任務追蹤系統（pending）	承諾清單 — 已決定要做，排入排程
迭代目標文件	核心優先事項 — 當前迭代的目標

悖論識別檢查清單（規則 / Skill / 掛鉤（Hook）設計時必檢）

設計規則 / 流程 / 系統時，必對 5 條檢查清單逐項自檢：

• 此規則是否本身違反它要保護的價值？
• 此規則是否通過善意家長主義（benevolent paternalism）4 條件測試？（實質傷害 / 介入有效 / 利益大於風險 / 最小限制）
• 此規則的「正確示範」是否本身違反它要禁止的模式？
• 此規則的設計者立場是否被透明化？
• 此規則是否預留「用戶可覆蓋」機制？

詳見 references/anti-paternalism.md（含規則設計中的家長主義（paternalism）悖論案例）。

---

P — 準備好犯錯（Prepare to Be Wrong）

核心問句：「假設這個方案失敗了，最可能的原因是什麼？」

決策確定後、執行前，完成四項檢查：

檢查	問題	判斷
行前預想（Premortem）	假設 12 小時後失敗了，列出 3 個最可能原因	任一原因可能性 > 50% → 重新評估
未來區間	最好的結果？最壞的結果？	兩端都能接受嗎？
安全係數	預估時間/資源 x 1.3-1.5（經驗起點、依任務調整）	緩衝夠嗎？
回退計畫	失敗怎麼回退？回退成本？	回退成本 > 收益 → 重新評估

Gary Klein 方法：先假設計畫失敗了，然後問「是什麼殺了它？」比問「可能會失敗嗎？」多產出 25% 的洞察（且更具體）。

自我暴露偏好實踐（提供建議時必行）

提供建議時必暴露偏好、推理鏈、盲點，不偽裝中立：

實踐	禁止	正確
暴露偏好	假裝中立提問	「我傾向 X，理由 Y」
暴露推理鏈	只給結論	列出推理步驟讓用戶可追溯
暴露盲點	假裝完整考慮	「我可能漏掉的角度有 Z」
標記偏誤	標成推薦（Recommended）	改為「我目前的猜測」或不標

Voss 自陳：「one person's influence is another person's manipulation」——影響力的本質取決於是否被透明化。推薦標記（Recommended）已被學術界（DarkBench）列為 LLM 暗黑模式（dark pattern）。

詳見 references/anti-paternalism.md 「自我暴露偏好實踐」章節。

---

絆腳索（Tripwire）

核心理念：絆腳索不保證做出正確決定，但讓你意識到「是該做決定的時候了」。

絆腳索類型

類型	觸發條件	動作
期限型	非核心問題花 > 15 分鐘	建任務延後，回到核心
失敗型	同一修改連續 2 次失敗	搜尋社群或換方向
偏離型	連續 2+ 個任務不在當前迭代目標	回到核心任務
回退型	已回退過一次	完全停止，換方向
嘗試型	同一問題修改嘗試 2 次	向外求解
資料充足度	進入決策諮詢前	強制 Step 0 閘門

完整類型（含正面絆腳索 — 捕捉意外成功）、命名效應、切割機制見 references/tripwire-catalog.md。

階段間切割點

WRAP 每階段之間是切割點 — 強迫問「是否繼續」：

• Step 0 完成 → 「資料夠了嗎？還是需要先問？」
• W 完成 → 「選項品質夠嗎？」
• R 完成 → 「證據支持哪個選項？」
• A 完成 → 「這符合核心優先事項嗎？」
• P 完成 → 「行前預想的風險可接受嗎？」

---

與其他決策類 Skill 的關係

Skill 類型	分工
技術方案比較（3+ 方案比較）	方案比較用專用 skill；認知偏誤防護用 WRAP
Bug 證據驅動修復	明確 bug 用證據驅動修復 skill；被困住/連續失敗用 WRAP
任務認知負擔評估	任務拆分用專用 skill；決策品質用 WRAP
決策格式模板（5W1H）	格式模板負責「怎麼寫」；WRAP 負責「怎麼想」
學習捕捉	WRAP 的正面絆腳索串接學習捕捉 skill

---

參考文件

通用（可跨專案複用）

文件	內容
references/detailed-techniques.md	每階段的詳細技巧、範例、書中引用（DVD 實驗、努金調解、季辛吉陷阱、Gary Klein 方法）
references/pm-checklist.md	快速模式 + 完整模式檢查清單 + 決策品質自測
references/tripwire-catalog.md	絆腳索類型完整目錄、自動駕駛失敗模式、切割機制、命名效應
references/iterative-research.md	多輪迭代查詢方法論（4 輪結構：發散 → 具體化 → 精準化 → 反向驗證 + 進入下一輪訊號 + 反向驗證 8 種類型範本）
references/anti-paternalism.md	悖論識別檢查清單 + 自我暴露偏好實踐（善意家長主義（benevolent paternalism）4 條件測試、自我參照悖論識別、推薦標記（Recommended）是暗黑模式（dark pattern））
references/claim-quick-wrap.md	任務啟動的簡化三問（W/A/P 1-2 分鐘版）、快速模式進一步壓縮版

專案整合（落地層）

需要把 WRAP 接到具體掛鉤（Hook）/ CLI / 任務系統時讀。各檔為「通用語意 → 專案實作」的對應範本，複用到新專案時各自改寫。

文件	內容
references/integration-patterns/README.md	落地層入口與路由：依賴方向（core → pattern → 專案）、8 個整合範本的索引

---

Last Updated: 2026-06-01 Version: 2.4.0 — 多輪 review 修正：參考文件表補 integration-patterns/README 路由 + claim-quick-wrap（原 orphan）；觸發條件補「不可逆 / 時間壓力」「利害關係人衝突」+ 定義「快速+」模式；階段標題去除錯亂編號（0. / 5.）；LLM 工具化偏誤改條件式語氣；安全係數標經驗值。 Version: 2.3.0 — 觸發條件新增 4 項決策路徑層干擾（CLI 自動駕駛（autopilot） / 既有結論錨定（Anchor） / 草率改規則 / 多步驟成功率盲點）；既有觸發條件不變動（向後相容）。 Version: 2.2.0 — 觸發條件新增反思深度質疑（reflection_depth_challenge）說明，含與被困住語意的差異。 Version: 2.1.0 — 新增多輪迭代查詢方法論（W）+ 反向驗證範本（R）+ 悖論識別檢查清單（A）+ 自我暴露偏好實踐（P）+ 2 個新 references（iterative-research / anti-paternalism）。 Source: 《零偏見決斷法》(Decisive) — Chip Heath & Dan Heath