| name | deep-thinking |
| description | 多視角深度思考框架。當使用者要求深入分析、評估技術或生活決策、釐清複雜問題、找出盲點或評估後果時觸發。透過拆解、對抗、推演三種思考模式平行展開，最後以思維模型校準結論。觸發關鍵字：深入思考、有沒有盲點、該怎麼決定 |
Deep Thinking Skill
目標
此 skill 提供一套多視角思考框架，協助 main agent 處理需要深度分析的技術問題與生活決策。Skill 本身只提供框架與選用指引，實際思考由 main agent 判斷後委派給對應的 thinker subagent，或在簡單問題時自行處理。
觸發時機
應觸發的情境：
- 使用者明確要求深入思考、分析、幫忙決策
- 技術問題涉及架構選型、效能取捨、debug 找根因
- 決策同時具備「不可逆或退出代價高」以及「後果會長期影響使用者」兩項特徵
應跳過的情境：
- 單純查詢事實、語法、API 用法
- 日常閒聊
- 已有明確答案的簡單問題
- 決策可逆或容易反悔
- 投入資源規模對使用者而言不重大
執行流程
Main agent 應依以下步驟處理：
- 初步拆解：由 main agent 內部執行，輸出限制在 3 至 5 行條列，避免冗長自我對話。輸出必須包含：核心問題是什麼、關鍵未知清單、每個未知屬於哪一類解法（需要問使用者、需要深度分析、可以合理推斷）。
- 補齊 context（條件式）：若步驟一列出的未知中有「必須問使用者才能回答」的項目，main agent 應透過 AskUserQuestion 工具一次提出 2 至 3 個最關鍵的問題，每個問題必須能實質改變分析結論，已能合理推斷的事不要問。若使用者在最初提問時已提供足夠 context，直接跳到步驟三。收到使用者回答後回到步驟一重新評估未知清單。
- 分流：依據補齊後的 context 決定後續路徑。若未知已全部消解，main agent 直接回答不啟動 subagent。若仍存在需要深度分析的未知，依下方「Thinker Subagent 選用指引」章節判斷需要哪些 thinker。
- 彙整校準：收齊所有 subagent 回報後，由 main agent 彙整並用思維模型做最終校準。
Thinker Subagent 選用指引
本章節說明各 thinker 的適用情境，並提供常見組合範式供參考。選用時以問題性質為準，不必套用固定組合。
各 thinker 適用情境
| Subagent | 類型 | 適用情境 |
|---|
decomposition-thinker | 拆解型 | 問題本質不清、需找根因、複雜系統需拆解 |
adversarial-thinker | 對抗型 | 需要找盲點、壓力測試決策、避免一廂情願、檢驗假設 |
consequence-thinker | 推演型 | 需要預測後果、評估取捨、跨領域借鑑 |
systems-thinker | 系統型 | 問題反覆發生、線性因果不足以解釋現象、需找回饋迴路與槓桿點 |
first-principles-thinker | 重建型 | 需要質疑普遍但未驗證的前提、打破慣性沿襲、跳脫類比重新定義問題、計算物理下限與現狀差額 |
perspective-thinker | 視角型 | 決策涉及多方角色、需從使用者或維護者或攻擊者視角檢視、跨團隊變革、避免忽略人因素 |
常見組合範式
- 決策評估（如「該不該換工作」「該不該採用某技術」）：decomposition → adversarial → consequence。適用於有明確選項、需要同時考量假設正確性與後果的情境。
- 問題排查（如「為什麼這個 bug 反覆出現」）：decomposition → systems。單純拆解元件找不到反覆出現的真正結構性原因，需要系統型補足回饋迴路的分析。
- 方案壓測（如「這個架構設計有問題嗎」）：adversarial → consequence。問題框架已清楚，重點在找盲點與評估決策後果。
- 單純根因分析（如「debug 找原因」）：decomposition 為主，確認問題涉及元件互動或延遲效應時加 systems。
- 產品或介面決策（如「這個 API 設計合適嗎」「這個變更會不會嚇到使用者」）：perspective → adversarial → consequence。適用於同時需要從多角色視角檢視、再壓測風險、最後評估後果的情境。
- 打破慣性的技術選型（如「我們真的需要這個框架嗎」「為什麼大家都這樣做」）：first-principles → consequence。適用於懷疑既有方案是慣性沿襲、需要先重建問題定義再評估後果的場合。
- 跨團隊或組織變革（如「該不該推這個流程改變」）：perspective → consequence → adversarial。適用於影響多個團隊、需先盤點誰受影響、再評估長期後果、最後壓測抵抗風險。
自由組合
若問題不符合上述任何範式，main agent 應依「各 thinker 適用情境」表自行判斷需要哪些 thinker、以什麼順序執行。不要為了套用範式而硬湊不需要的 thinker。
強制條款：若決策屬於不可逆且代價高的類型，即使 main agent 認為已想清楚，仍必須至少啟動 adversarial-thinker 進行挑戰。
強制條款：若決策影響多方角色、跨團隊、或涉及最終使用者體驗，即使 main agent 認為已從各角度想過，仍必須至少啟動 perspective-thinker 進行視角分析。
委派 Subagent 的 Prompt 要求
Main agent 委派 thinker subagent 時，prompt 必須包含：
- 完整的問題脈絡（subagent 無狀態，需重新提供）
- 使用者的目標與已知約束
- 期望聚焦的面向（若有）
Prompt 不得指定 subagent 內部該用哪個方法，由 subagent 自行判斷。
彙整階段的思維模型校準清單
Main agent 收齊 subagent 回報後彙整時，應檢視以下思維模型是否能進一步校準結論。不是每個都要套用，遇到對應症狀才用：
- Opportunity Cost：當結論涉及資源投入或時間分配時，檢視是否考慮放棄的選項代價
- Bayesian Updating：當新證據與既有信念衝突時，檢視是否該調整原本判斷
- Occam's Razor：當有多個解釋並存時，檢視是否傾向了過度複雜的方案
- Expected Value：當結論涉及不確定性下的選擇時，檢視機率與收益是否被合理權衡
輸出格式
Main agent 最終回應使用者時應包含：
- 各 thinker 視角的核心洞察（非逐字轉述，提煉重點）
- 視角之間的衝突或互補
- 思維模型校準後的最終建議或結論
- 若仍有未解的不確定性，明確標示
