| name | decision-matrix-calculator |
| version | 1.0.0 |
| description | 决策矩阵计算器 - 结构化决策的加权评分工具:
1. 全局考虑:支持多选项、多标准、权重自定义
2. 系统考虑:输入→权重→评分→计算→决策建议闭环
3. 迭代机制:根据决策结果反馈优化权重
4. Skill化:标准接口,可复用决策模板
5. 流程自动化:自动计算总分并排序推荐
|
| author | Satisficing Institute |
| tags | ["decision","matrix","weighted-scoring","framework"] |
| requires | [{"model":"kimi-coding/k2p5"}] |
决策矩阵计算器标准Skill V1.0.0
标准1: 全局考虑(Global Coverage)
1.1 决策要素
| 要素 | 说明 | 必含 |
|---|
| 选项 | 待比较的备选方案 | ✅ |
| 标准 | 评估维度 | ✅ |
| 权重 | 各标准重要性(1-5) | ✅ |
| 评分 | 各选项在各标准上的得分(1-5) | ✅ |
| 计算 | 加权总分 | ✅ |
1.2 输出内容
| 输出 | 说明 |
|---|
| 评分矩阵 | 选项×标准的完整矩阵 |
| 加权得分 | 各选项总分 |
| 排名 | 按总分排序 |
| 建议 | 最优选项+理由 |
| 敏感性分析 | 权重变化对结果的影响 |
标准2: 系统考虑(Systematic)
2.1 决策流程
定义选项 → 定义标准 → 分配权重 → 逐项评分 → 计算总分 → 生成建议
2.2 矩阵模板
| 标准 | 权重 | 选项A | 选项B | 选项C |
|------|------|-------|-------|-------|
| 性能 | 5 | 4(20) | 3(15) | 5(25) |
| 成本 | 3 | 5(15) | 4(12) | 2(6) |
| 总分 | | 35 | 27 | 31 |
标准3: 迭代机制(Iterative)
3.1 权重优化
| 反馈 | 优化 |
|---|
| 决策结果不满意 | 调整权重 |
| 某标准区分度低 | 降低权重或细化 |
| 新因素出现 | 添加标准 |
标准4: Skill化(Skill-ified)
4.1 目录结构
decision-matrix-calculator/
├── SKILL.md # 本文件
├── _meta.json # 元数据
├── scripts/
│ ├── calculate_matrix.py # 矩阵计算
│ ├── sensitivity_analysis.py # 敏感性分析
│ └── generate_report.py # 报告生成
└── templates/
└── decision_templates.yaml
4.2 调用接口
from decision_matrix_calculator import DecisionMatrix
matrix = DecisionMatrix()
result = matrix.calculate(
options=["选项A", "选项B", "选项C"],
criteria=["性能", "成本", "易用性"],
weights=[5, 3, 4],
scores={
"选项A": [4, 5, 3],
"选项B": [3, 4, 4],
"选项C": [5, 2, 5]
}
)
matrix.generate_report(result)
标准5: 流程自动化(Fully Automated)
5.1 使用方法
openclaw skill run decision-matrix-calculator calculate \
--options "选项A,选项B,选项C" \
--criteria "性能,成本,易用性" \
--weights "5,3,4"
openclaw skill run decision-matrix-calculator use-template \
--template tech-stack \
--options "React,Vue,Angular"
5标准验证清单
| 标准 | 验证项 | 状态 |
|---|
| 1. 全局 | 决策要素全覆盖 | ✅ |
| 2. 系统 | 输入→计算→建议闭环 | ✅ |
| 3. 迭代 | 权重优化机制 | ✅ |
| 4. Skill化 | 标准目录 + 调用接口 | ✅ |
| 5. 自动化 | 自动计算+排序+建议 | ✅ |
版本: v1.0.0
来源: decision-frameworks散落机制提取
创建: 2026-03-20